Documentos · PDF Kit de herramientas
Qué significa realmente convertir un PDF: rasterización versus recodificación
· Antecedentes
pdf conversión de imagen rasterización
'Convertir' cubre operaciones muy diferentes: dibujar una página en píxeles, ajustar una imagen en una página o reconstruir texto editable. Esta publicación explica qué implica cada una y por qué algunas conversiones son exactas mientras que otras son aproximaciones.
El archivo 'convertido' que perdió su texto: por qué una página convertida en imagen ya no se puede buscar ni seleccionar
Una página convertida puede parecer idéntica y aun así perder su propiedad más útil. PDF-to-image representa cada página en píxeles, por lo que las palabras ya no se pueden seleccionar, buscar ni leer como una capa de texto. El ZIP contiene imágenes de páginas, no archivos PDF más pequeños ni contenido de documentos editables.
Esa pérdida es apropiada cuando una diapositiva, un chat, un catálogo o una vista previa necesitan una imagen. Es perjudicial cuando importa la accesibilidad, la búsqueda, la copia o la edición posterior. Elija la conversión basándose en la representación requerida en lugar de la tranquilizadora similitud de la primera inspección visual.
Rasterización: renderizar las instrucciones vectoriales de una página en un mapa de bits con una resolución elegida, y lo que se gana y se pierde
La rasterización le pide a pdf.js que interprete instrucciones de dibujo vectorial, fuentes e imágenes, y luego pinte un lienzo a una escala seleccionada. ToolAcre ofrece PNG para bordes de documentos nítidos y JPEG para resultados fotográficos más pequeños. Cada página se convierte en una imagen con un nombre independiente dentro de un ZIP.
El procesador verifica un presupuesto de píxeles por dispositivo antes de la asignación y puede reducir las páginas de gran tamaño por debajo de la escala solicitada. PNG y JPEG preservan la apariencia renderizada en esa cuadrícula de píxeles, no los vectores de origen o la semántica del texto. Al hacer zoom más allá de la resolución elegida, finalmente se revela la trama finita.
Ajuste: colocar una imagen dentro de una página nueva para que se convierta en PDF, y por qué esto no produce pérdidas para la imagen en sí.
Images-to-PDF viaja en la otra dirección colocando una imagen preparada en cada nueva página PDF. Haga coincidir el tamaño de cada imagen, la página con la imagen más los márgenes; Los ajustes preestablecidos de A4 y US Letter contienen y centran toda la imagen sin recortarla. El resultado es contenido de imagen fija, no texto reconstruido.
JPEG y PNG bytes se incrustan directamente cuando es posible. WebP, AVIF, GIF, BMP, HEIC y HEIF dependen de la decodificación del navegador y se recodifican como PNG; El GIF animado aporta sólo su primer fotograma. Las imágenes grandes se pueden reducir para que se ajusten al presupuesto de píxeles del dispositivo y cada imagen de entrada tiene un límite de 30 MB.
Reconstrucción: por qué convertir un PDF en un documento editable requiere adivinar párrafos, columnas y tablas
Reconstruir un documento de procesamiento de texto editable requeriría inferir el orden de lectura, los párrafos, las columnas, las tablas y los estilos a partir de la apariencia de la página. ToolAcre no ofrece esa operación ni OCR. PDF-to-image descarta deliberadamente la estructura semántica, mientras que images-to-PDF envuelve deliberadamente imágenes en páginas.
La ausencia de una conversión editable es un alcance importante, no una opción que falta. Un escaneo no tiene texto a menos que otro sistema lo reconozca, y el reconocimiento aún no recupera perfectamente el modelo de creación original. Utilice un flujo de trabajo de conversión de documentos o OCR dedicado cuando el requisito real sea una estructura editable.
Resolución, color y tamaño: las configuraciones que deciden si una página rasterizada se imprime limpiamente o se ve suave
La resolución controla las dimensiones de los píxeles de salida y el uso de la memoria. Pantalla, Bueno, Alto y Muy alto corresponden a escalas crecientes en la interfaz, mientras que el renderizador puede reducir la escala de una página que excede su presupuesto. JPEG utiliza calidad fija cerca del 92 por ciento; no hay control deslizante de calidad.
PNG se adapta a líneas y textos pequeños porque evita JPEG artefactos en los bordes, aunque puede ser más grande. JPEG se adapta a las páginas fotográficas cuando es importante una entrega más pequeña. Las páginas de origen de tamaños mixtos producen imágenes de tamaños mixtos en una escala, y un ZIP utiliza entradas almacenadas en lugar de recomprimir datos de imágenes ya comprimidos.
PDF el análisis utiliza un trabajador, mientras que la codificación del lienzo y la preparación de imágenes requieren API del navegador del hilo principal
La conversión local no significa que cada paso se ejecute en un solo trabajador. pdf.js analiza su propio paquete de trabajo con la evaluación de JavaScript del documento deshabilitada, mientras que la codificación del lienzo debe permanecer en el hilo principal. El bucle cede entre páginas para que el progreso y los controles continúen pintando.
Para imágenes a PDF, la preparación de imágenes del navegador puede decodificar y dibujar formatos no compatibles en el hilo principal, luego pdf-lib ensambla los datos PNG o JPEG preparados en el trabajador del kit de herramientas. Estos límites explican la implementación con precisión y reemplazan la afirmación más amplia del esquema de que la representación y la recodificación simplemente ocurren en un Web Worker.
El kit de herramientas ofrece específicamente PDF-to-PNG/JPEG e imágenes-to-PDF
Las conversiones enviadas son específicas. PDF a Imagen acepta una PDF sin cifrar hasta 50 MB y devuelve PNG o JPEG páginas en un ZIP. Las imágenes para PDF aceptan formatos de imagen de navegador compatibles hasta 30 MB cada uno y devuelve un `images.pdf` con una imagen por página.
El kit de herramientas no convierte PDF a formatos de oficina editables, no ejecuta OCR, no une todas las páginas en una imagen larga ni conserva texto mediante un viaje de ida y vuelta PDF-image-PDF. Las secciones de entrada admitidas y los controles de operación indican estas rutas exactas, por lo que no hay necesidad de dejar la capacidad ambigua.
Conclusión: sepa qué tipo de conversión necesita antes de comenzar y luego use el kit de herramientas PDF para las que admite.
“Convertir” puede significar representar páginas estructuradas en píxeles o envolver píxeles dentro de páginas recién estructuradas. Esas direcciones pueden parecer reversibles, pero no lo son: una vez que el texto de la página se convierte en un ráster, colocar ese ráster en otro PDF no recrea caracteres seleccionables ni instrucciones de dibujo vectorial.
Utilice PDF-to-image cuando el artefacto requerido sea realmente una imagen, e imágenes-to-PDF cuando el contenedor requerido sea realmente un PDF paginado. Ambos se ejecutan localmente con responsabilidades explícitas de trabajo y de subproceso principal, límites de entrada estrictos y protectores de memoria. Elegir la representación correcta antes de comenzar evita un resultado visualmente exitoso pero funcionalmente incorrecto. Consulte la nota de resultados para ver si hay reducción automática o conversión de formato, ya que los cambios informados pueden afectar la idoneidad de la impresión incluso cuando la vista previa parezca aceptable. Conserve el PDF estructurado siempre que la búsqueda, la accesibilidad o la edición futuras puedan ser importantes, y cree derivados ráster como activos de entrega desechables en lugar de reemplazos de la fuente. Nombra esos derivados con su formato y escala para que nadie confunda un paquete de imágenes con resolución de pantalla con el documento destinado a impresión o uso de archivo.