Cómo bajar un PDF de una limitación de 10 MB

Los megabytes están en uno de dos sitios, y eso lo decide todo

Un PDF es un contenedor. Dentro, una página puede describirse como instrucciones —dibuja este glifo aquí, con esta tipografía, traza esta línea— o como una fotografía de una página. El primer tipo es lo que produce un procesador de textos, una hoja de cálculo o una herramienta de informes. Es asombrosamente compacto: una página de texto denso son unos kilobytes de instrucciones, y las tipografías se comparten en todo el documento en vez de repetirse. El segundo tipo es lo que producen un escáner o la cámara de un teléfono: una fotografía de una hoja de papel, guardada como JPEG, una por página.

La aritmética que sigue no está reñida. Un contrato de doce páginas exportado desde un procesador de textos suele pesar menos de 200 KB en total. Las mismas doce páginas escaneadas a 300 ppp son doce fotografías de unos 8,7 megapíxeles cada una, y pesan alrededor de 12 MB. Nada del contenido cambió; cambió la representación. Por eso el consejo genérico de «comprime el PDF» no sirve sin saber cuál de los dos tienes: los dos casos no tienen casi nada en común salvo la extensión.

Lo que la compresión estructural quita realmente

Un PDF se construye con objetos numerados, y el archivo lleva una tabla de referencias cruzadas que dice dónde empieza cada uno. Editar un documento varias veces, o generarlo desde una plantilla, deja esa estructura gorda: objetos a los que ya no apunta nada, diccionarios repetidos una vez por página en vez de compartidos, una tabla de referencias a la que se ha ido añadiendo en lugar de reescribirla. Reescribir el archivo con flujos de objetos empaqueta muchos objetos pequeños en un único flujo comprimido y sustituye la tabla por un equivalente comprimido. Eso es lo que hace el compresor de este sitio, y es realmente sin pérdida: cada glifo, cada línea, cada píxel es bit a bit lo que era.

El límite honesto es la otra cara de esa frase. Al ser sin pérdida, no puede tocar los flujos de imagen: un JPEG dentro del PDF sale idéntico. En un documento escaneado, la estructura es una envoltura fina alrededor de un montón de fotografías, así que quitar el desperdicio estructural quita un error de redondeo. La herramienta te dirá que apenas ahorró nada, y dirá la verdad: apenas había nada que ahorrar.

La resolución es cuadrática, y ahí está toda la palanca

La página no cambia de tamaño, así que la resolución se multiplica en dos direcciones a la vez. Pasar de 300 ppp a 200 ppp es un factor de dos tercios en cada eje, y dos tercios al cuadrado son cuatro novenos: el 44,4 % de los píxeles, un 55,6 % eliminado. Pasar de 300 a 150 es la mitad en cada eje y por tanto la cuarta parte de los píxeles. Por eso la resolución es la única palanca con brazo real sobre un escaneo, y por eso pequeños ajustes producen grandes cambios de peso.

Dónde parar es un juicio sobre quién lee el documento. Doscientos ppp es el suelo habitual escrito en los pliegos administrativos, y a esa resolución el texto corriente y las firmas siguen limpios en pantalla y se imprimen aceptablemente. Ciento cincuenta sigue siendo legible pero empieza a ablandar la letra pequeña, las notas al pie y las impresiones de sello. Por debajo, los caracteres se funden. Y si el documento va a pasar por un sistema de reconocimiento de texto en vez de leerlo una persona, no reduzcas nada: la precisión del reconocimiento cae con fuerza por debajo de 300 ppp, y un formulario rechazado es peor resultado que un segundo intento de subida.

El camino cuando no puedes volver a escanear

A menudo el escaneo viene de otra parte y el original ya no está. El camino consiste en desmontar el PDF y reconstruirlo: exporta cada página como imagen, reduce esas imágenes y monta un PDF nuevo con el conjunto reducido. Son tres pasos en vez de uno, y cada paso corre en el navegador, así que una nómina o un formulario médico no viajan para conseguirlo.

Una advertencia sobre la recodificación JPEG repetida, porque este camino la implica. Un JPEG decodificado y vuelto a codificar pierde un poco cada vez, y la pérdida se acumula; no se ve tras una pasada a calidad razonable, y sí tras cinco. Haz la reducción una vez, a la resolución que de verdad necesitas, en vez de ir limando el archivo en varios intentos. Si el primer intento se pasa, vuelve al PDF original y empieza de nuevo en lugar de reducir otra vez la copia ya reducida.

Cuándo dividir gana a reducir

Lee el límite con atención antes de degradar nada. La mayoría de los formularios limitan cada adjunto y no el envío, y muchos aceptan varios. Un escaneo de 14 MB que debe quedarse a 300 ppp porque lo leerá una máquina se parte en dos mitades de 7 MB que suben ambas a plena calidad. Es mejor resultado que un archivo único a 150 ppp con el que el sistema de reconocimiento luego fracasa.

Dos advertencias menores que conviene conocer. Algunos formularios miden el tamaño codificado de un envío en vez del archivo en disco, lo que en un adjunto de correo añade alrededor de un tercio; si envías por correo en lugar de por formulario, apunta a unos 7 MB para pasar un techo de 10 MB. Y un PDF protegido con contraseña no puede reestructurarse ni dividirse sin ella, porque la herramienta no puede leer la estructura de objetos que tendría que reescribir: quita la protección primero, trabaja, y vuelve a ponerla.

Una decisión que puedes tomar solo con el tamaño

Puesta junta, la regla cabe en una línea: los kilobytes por página te dicen qué problema tienes, y el problema te dice qué herramienta. Los PDF de texto responden a la compresión estructural y no pierden nada; los escaneos solo responden a la resolución y pierden detalle a cambio. Equivocarse de herramienta cuesta unos segundos; saber cuál es cuál convierte un rechazo de formulario en un problema resuelto, normalmente al primer intento.

Preguntas frecuentes

Lo comprimí y apenas cambió. ¿Está rota la herramienta?

Casi con seguridad no: te está diciendo que el archivo es un escaneo. La compresión estructural es sin pérdida, así que no puede recodificar las imágenes dentro del PDF, y en un documento escaneado las imágenes son prácticamente todo el archivo. Un resultado del uno o dos por ciento significa que había uno o dos por ciento de desperdicio estructural y nada más que quitar. Mira los kilobytes por página: por encima de unos 300 KB la respuesta es la resolución, no la compresión.

¿Reducir la resolución invalida legalmente el documento?

Reducir la resolución no afecta por sí mismo a la valide, pero dos cosas pueden hacerlo. Si el documento lleva firma electrónica, cualquier modificación la rompe: la firma cubre los bytes exactos, así que un PDF reconstruido es otro documento a efectos de la firma, y aparecerá como inválida. Y algunos procedimientos fijan una resolución mínima en sus propias normas, habitualmente 200 o 300 ppp. Comprueba el requisito que enuncia el formulario antes de reducir, y si el archivo está firmado, no lo reconstruyas: divídelo, o pregunta si puede volver a firmarse.

¿Por qué la misma página ocupa más en color que en gris?

Porque el color guarda tres canales donde el gris guarda uno, y porque el ruido fotográfico de un escaneo en color comprime mal. En un original en blanco y negro —una carta, un formulario, un contrato— escanear en gris en vez de en color quita normalmente entre un tercio y la mitad más a igual resolución, y no pierde nada de lo que había en el documento. Escanea en color solo cuando el color signifique algo: un sello, un pasaje resaltado, un gráfico, un documento de identidad.

¿Puedo simplemente comprimir el PDF en un zip?

No ahorrará casi nada, porque un PDF ya está comprimido por dentro: sus flujos van comprimidos con deflate, y las imágenes son JPEG, es decir, datos ya comprimidos. Comprimir datos comprimidos gana normalmente un uno o dos por ciento. Además, en la práctica suele empeorar las cosas: muchos formularios rechazan los archivos comprimidos sin más, y un revisor obligado a descomprimir un adjunto es un revisor molesto sin ninguna ganancia.

El límite dice 10 MB y mi archivo pesa 9,4 MB, pero lo rechaza. ¿Por qué?

Normalmente una de tres cosas. El límite puede aplicarse al envío entero y no a cada adjunto, así que tus otros archivos también cuentan. El sistema puede medir la subida codificada en vez del archivo en disco, lo que añade alrededor de un tercio en un adjunto de correo. O el propio megabyte es ambiguo: 10 MB pueden significar 10 000 000 de bytes o 10 485 760, y un archivo que el sistema llama 9,4 MB puede superar el menor de los dos. Apunta a un margen cómodo —unos 7 MB frente a un techo de 10 MB— en vez de intentar quedarte justo por debajo.