Trasformare appunti in un PDF che valga la pena archiviare

Il testo semplice non ha impaginazione, quindi il convertitore deve inventarne una

È facile dimenticare quanto poco contenga davvero un file .txt. È una sequenza di caratteri, alcuni dei quali segnano la fine di una riga, e questo è tutto il contenuto. Non c'è pagina dentro, perché non esiste la nozione di pagina. Nessun carattere tipografico, nessun corpo, nessun margine, nessun rientro, nessun grassetto, nessun titolo. Quando guardi un file di testo sembra avere una forma, ma quella forma appartiene alla finestra in cui lo stai guardando: restringi la finestra e la forma cambia, perché è il tuo editor a mandare a capo, dal vivo, senza conservarne nulla.

Un PDF è il tipo di oggetto opposto. Descrive esattamente dove ogni pezzo di testo si colloca su una pagina di dimensioni fisse, ed è per questo che appare uguale ovunque e si stampa senza sorprese. Passare dall'uno all'altro richiede quindi di fornire ogni informazione che il file di testo non ha. Non esiste una risposta corretta su quale debba essere, solo un insieme di scelte difendibili, e un convertitore che nasconde le proprie scelte non è modesto: ti impedisce di prevedere che cosa otterrai.

Eccole dunque, lette dal codice sorgente invece che indovinate. La pagina è A4, 595,28 per 841,89 punti; un punto è un settantaduesimo di pollice, quindi sono 210 per 297 millimetri alla seconda cifra decimale, esattamente la definizione della ISO 216. Il margine è di 56 punti per lato, circa 19,8 millimetri, e lascia una colonna di testo larga 483,28 punti, cioè 170,5 millimetri. L'interlinea vale 1,42 volte il corpo, quindi 17,04 punti al corpo 12 predefinito. La prima linea di base sta 68 punti sotto il bordo superiore e l'ultima circa 58 punti sopra quello inferiore, abbastanza vicino alla simmetria perché nessuno se ne accorga. Quarantatré righe stanno al corpo 12, 65 al corpo 8, 47 al corpo 11, 37 al corpo 14 e 19 al massimo di 28.

Helvetica è proporzionale, e questo decide a che cosa serve questo strumento

In un carattere a spaziatura fissa ogni segno occupa lo stesso spazio orizzontale, proprietà che fa allineare le colonne senza sforzo: metti un valore alla ventesima posizione di ogni riga e appare nello stesso punto su tutte. Helvetica non è di quella famiglia. Misurato nella colonna di testo dello strumento stesso al corpo 12, una i minuscola è larga 2,66 punti e ne stanno 181 su una riga; una M maiuscola è larga 10 punti e ne stanno solo 48. È un rapporto di quasi quattro a uno fra il carattere più stretto e il più largo sulla stessa riga.

La conseguenza pratica è inequivocabile. Tutto ciò il cui senso dipende dalla posizione orizzontale — una tabella allineata con spazi, un registro con marche temporali allineate, un listato di codice con blocchi rientrati, una fattura con una colonna di importi a destra — esce frastagliato. Non corrotto, non illeggibile, semplicemente non più allineato, e dopo averne visto una pagina non vorrai archiviarla. La prosa, invece, è esattamente ciò per cui esiste un carattere proporzionale: al corpo 12 una frase mista fa in media 5,58 punti per carattere, quindi circa 86 caratteri per riga e quasi 3 700 per pagina, che si legge comodamente quanto lo comporrebbe qualsiasi elaboratore di testi.

Il carattere conta per una seconda ragione, che si manifesta solo il giorno in cui qualcuno aprirà il file fra vent'anni. Helvetica è uno dei quattordici caratteri di base che ogni lettore PDF è tenuto a fornire da quando il formato è stato pubblicato, quindi è referenziato per nome e i suoi contorni non sono conservati nel file. È per questo che un PDF di una pagina prodotto da questo strumento pesa meno di un kilobyte: contiene il tuo testo, una descrizione di pagina e un rimando a un carattere che si presume il lettore già possieda. Oggi si visualizza ovunque e quasi certamente si visualizzerà ovunque domani — ma è una dipendenza da qualcosa esterno al file, e gli standard di archiviazione ci tengono. Ci arriviamo.

Tre cose che si rompono, e che cosa fare per ciascuna

La tabulazione è il caso tagliente, quindi va per prima. Il testo viene scritto nel PDF con una codifica a un byte che non ha una casella per il carattere di tabulazione, e la conversione non lo salta né lo trasforma in spazi: si ferma. Quello che vedi è il messaggio generico dello strumento che dice di non essere riuscito a creare il PDF, senza alcuna indicazione del perché, e lo stesso vale per un avanzamento pagina e per l'intera gamma di caratteri di controllo che un file di registro o una cattura di terminale possono contenere senza che tu lo sappia. È un difetto e viene segnalato come tale. Finché non sarà corretto, l'aggiramento costa cinque secondi: trova e sostituisci ogni tabulazione con due, quattro o otto spazi in un editor di testo prima di incollare. Poiché il carattere è proporzionale, le colonne non si sarebbero comunque allineate, quindi la sostituzione non fa perdere nulla.

La seconda è la riga troppo lunga per essere spezzata. Il meccanismo di a capo cerca gli spazi; quando non ne trova, si arrende e scrive l'intera parola su una sola riga, per quanto larga diventi. Un indirizzo web di 180 caratteri al corpo 12 misura 1 177,7 punti e finisce alla posizione orizzontale 1 233,7 su una pagina larga solo 595,28, quindi più di mezzo metro resta fuori dalla carta. Non viene troncato con dei puntini, non passa alla riga successiva e non viene segnalato: viene semplicemente disegnato dove nessuno può vederlo. URL lunghi, impronte crittografiche, blocchi codificati e codice minificato sono le vittime abituali. Spezzali a mano su una barra o un trattino prima di convertire, e controlla il margine destro del PDF finito prima di archiviarlo.

Il terzo è il carattere che la codifica non riesce a contenere. Tutto ciò che arriva fino a U+00FF passa, e questo copre le lettere accentate di tutte e sei le lingue in cui è scritto questo sito: café, naïve, Peña, informação, Straße, città arrivano intatti. Tutto ciò che sta sopra quel punto di codice viene sostituito da un punto interrogativo. In pratica le vittime sono quelle che si raccolgono incollando da un elaboratore di testi o da una chat: virgolette curve, apostrofi tipografici, lineette lunghe e medie, il carattere dei puntini di sospensione e — dettaglio da notare su un sito europeo — il simbolo €, che sta a U+20AC e non sopravvive, mentre il simbolo dollaro e il simbolo sterlina, che stanno più in basso, sopravvivono. Le scritture non latine si perdono del tutto. Digita virgolette e lineette in ASCII semplice, scrivi per esteso qualsiasi valuta che non puoi rischiare di perdere, e controlla la prima pagina.

Che cosa c'è davvero dentro il PDF

Apri il risultato in un lettore e prova a selezionare una frase. Si seleziona, perché il testo di questo PDF è testo: una sequenza di caratteri posizionati sulla pagina, non un'immagine di caratteri. Quella sola proprietà è la differenza fra un file che puoi cercare, da cui puoi copiare, che puoi dare a un lettore di schermo e indicizzare, e una scansione, che è un'immagine di documento e richiede il riconoscimento ottico dei caratteri prima che un computer possa farne qualcosa. Se stai convertendo perché un appunto deve sopravvivere e restare rintracciabile, questa è la proprietà che conta di più, ed è quella che questo strumento azzecca.

Ciò che il file non contiene merita altrettanta attenzione. Il suo dizionario di metadati riporta il nome della libreria che l'ha prodotto e due marche temporali: il momento in cui hai premuto il pulsante, in tempo universale. Non c'è titolo, né autore, né oggetto, né parole chiave, né indicazione di lingua. Non c'è nemmeno un albero di struttura, quello strato che dice a un lettore di schermo quale testo è un titolo e in che ordine va letta la pagina, quindi il documento non è etichettato. E non c'è alcun pacchetto di metadati XMP. Ognuna di queste assenze è normale e trascurabile per una piccola utilità, e ognuna conta se la parola archivio è usata in senso stretto.

Quel senso stretto ha un nome e un corpo di regole. Il PDF/A, normato come ISO 19005, è il formato che archivi e biblioteche nazionali accettano davvero, e la Biblioteca del Congresso riassume due dei suoi requisiti in una riga ciascuno: tutti i caratteri devono essere incorporati e legalmente incorporabili per una resa universale e illimitata, e l'uso di XMP è obbligatorio per i metadati descrittivi e identificativi di base. L'intero scopo, come lo formula la Biblioteca, è che il PDF/A sia vincolato a evitare dipendenze esterne. L'uscita di questo strumento fallisce su entrambi i punti: punta a Helvetica invece di portarla con sé, e non porta alcun XMP. È un PDF perfettamente buono. Non è un PDF/A, e se un tribunale, un ufficio archivi o un regime di conformità te ne ha chiesto uno, questa non è la via.

Che cosa devi aggiungere tu

Per tutto ciò che non sia archiviazione formale — un appunto di riunione, un verbale di decisione, un'uscita di terminale conservata come prova, uno scritto che vuoi congelare — il file va bene, purché tu metta ciò che non può conservare nell'unico posto di cui dispone: il testo. Inizia il documento con quattro righe. Di che cosa si tratta. Quando è successo, scritto come data completa con un anno a quattro cifre perché non possa essere letta male da nessuna parte. Chi l'ha scritto. Da dove viene, che sia un nome di sistema, un indirizzo o una persona. Quelle quattro righe non costano nulla e sono la differenza fra un documento e un orfano.

Poi rinomina il download. Arriva come document.pdf, incondizionatamente, ogni volta, e non c'è abitudine peggiore per una cartella che intendi consultare fra cinque anni. Un nome che si ordina e si legge da solo — prima la data in anno, mese, giorno, poi un oggetto breve, poi la fonte — rende l'archivio navigabile senza alcun metadato, il che è comodo dato che il file non ne porta. Se produci più appunti, uniscili in un unico PDF datato invece di accumulare frammenti; e se il risultato va in una casella di posta o in un ticket, passalo prima dalla compressione, anche se sotto il kilobyte per pagina di solito non c'è nulla da comprimere.

Infine, sappi quando fermarti. Questo è lo strumento giusto per un appunto, un registro, una trascrizione, una licenza, un blocco di uscite di terminale, una corrispondenza che vuoi congelare in una forma che nessuno modifichi di passaggio. È lo strumento sbagliato per tutto ciò che richieda titoli, tabelle, numerazione di pagina, un logo, il grassetto o una seconda colonna: non perché li faccia male, ma perché non li fa affatto, e forzare il testo semplice in una forma che non ha produce qualcosa di peggio di entrambe. Per quello, scrivi in un elaboratore di testi ed esporta da lì. La virtù di questo convertitore è di fare esattamente una promessa e mantenerla: i tuoi caratteri, su una pagina, nell'ordine in cui li hai scritti, in un file che si aprirà ancora fra vent'anni.

Domande frequenti

Dice che non è riuscito a creare il PDF e non dà alcuna ragione. Che cosa c'è che non va?

In quasi tutti i casi è un carattere di tabulazione. Il testo viene scritto nel PDF con una codifica a un byte che non ha una posizione per la tabulazione, e invece di sostituirla o saltarla la conversione si ferma e lo strumento mostra il suo unico messaggio generico di errore. Lo stesso vale per un avanzamento pagina e per gli altri caratteri di controllo, ed è per questo che il guasto è così comune su file di registro, catture di terminale e codice incollato da un editor che rientra con le tabulazioni. L'aggiramento consiste nell'aprire il testo in un qualsiasi editor e sostituire ogni tabulazione con spazi prima di incollare: due, quattro o otto, secondo come lo stavi leggendo. Facendolo non si perde nulla, perché il carattere è proporzionale e le colonne non si sarebbero allineate comunque. Che il messaggio sia generico invece di indicare il carattere su cui si è bloccato è una vera mancanza, ed è stata segnalata.

Dove sono finiti il mio simbolo € e le mie virgolette curve?

Sono stati sostituiti da punti interrogativi all'ingresso nel PDF. Prima di disegnare ogni riga lo strumento toglie ogni carattere sopra U+00FF, e il simbolo € sta a U+20AC, così come le virgolette curve, gli apostrofi tipografici, le lineette lunghe e medie e il carattere dei puntini di sospensione, tutti vicini di casa. Le lettere accentate del Latin-1 stanno sotto quel confine e passano intatte: ecco perché café, naïve, Peña, informação, Straße e città sopravvivono, ed ecco perché anche il simbolo dollaro e il simbolo sterlina. La sostituzione è più larga dello stretto necessario — la codifica che il PDF usa davvero ha posto per parecchi dei caratteri rimossi — quindi va corretta ed è stata segnalata. Nel frattempo: digita virgolette dritte e trattini, scrivi per esteso qualsiasi valuta che non puoi permetterti di perdere, e dai un'occhiata alla prima pagina prima di archiviare.

Perché le mie colonne non sono più allineate?

Perché Helvetica è un carattere proporzionale e l'allineamento che avevi era un'illusione prodotta dal carattere a spaziatura fissa del tuo editor. In un carattere a spaziatura fissa ogni segno occupa lo stesso spazio orizzontale, quindi contare i caratteri equivale a misurare la distanza e le colonne fatte di spazi si allineano gratis. Helvetica dà a ogni carattere la sua larghezza naturale: nella colonna di testo di questo strumento al corpo 12 stanno 181 lettere i minuscole su una riga, ma solo 48 lettere M maiuscole. Ogni riga finisce quindi con una lunghezza fisica diversa anche a parità di numero di caratteri, e nulla di ciò che scriverai lo risolverà, perché lo strumento non offre scelta del carattere. Se l'allineamento conta, questo non è lo strumento per quel documento: porta il testo in un editor o in un elaboratore di testi, componilo lì con un carattere a spaziatura fissa ed esporta il PDF da lì. Se non conta, togli gli spazi di riempimento e lascia che il testo sia prosa.

Quante pagine verranno dal mio file?

Conta le righe e dividi. Al corpo 12 predefinito ogni pagina ne contiene 43, quindi un registro di 2 000 righe diventa 47 pagine; al corpo 8 una pagina ne contiene 65 e lo stesso registro diventa 31, un risparmio di un terzo. Il corpo 11 dà 47 righe a pagina, il 14 ne dà 37 e il massimo di 28 ne dà 19. Tieni presente che si contano le righe dopo l'andata a capo, non le righe del tuo file: ogni riga di partenza più lunga di circa 86 caratteri al corpo 12 ne occuperà due o più, quindi un file di paragrafi lunghi produce più pagine di quante il conteggio grezzo suggerisca. Se preferisci ragionare in caratteri, una pagina piena al corpo 12 ne contiene circa 3 700 in prosa ordinaria. Lo strumento riporta il numero reale di pagine accanto al pulsante di download una volta costruito il file, quindi il modo più economico per saperlo è convertire una volta e guardare.

È un PDF/A? Posso usarlo per archiviazione legale o regolamentare?

No, e la ragione è precisa, non una questione di grado. Il PDF/A, la famiglia ISO 19005, esiste perché un documento possa essere reso fra decenni senza dipendere da nulla di esterno al file. La Biblioteca del Congresso enuncia chiaramente due dei suoi requisiti: tutti i caratteri devono essere incorporati e legalmente incorporabili per una resa universale e illimitata, e l'uso di XMP è obbligatorio per i metadati descrittivi e identificativi di base. L'uscita di questo strumento non soddisfa né l'uno né l'altro. Nomina Helvetica invece di portarne i contorni, e non scrive alcun pacchetto XMP. Produce inoltre un documento non etichettato, senza albero di struttura che indichi alle tecnologie assistive l'ordine di lettura. Per un appunto interno, un fascicolo personale o un allegato di posta nulla di tutto ciò è un problema: il file è un PDF valido che si aprirà in qualsiasi lettore ancora a lungo. Per un deposito giudiziario, un versamento in archivio, un obbligo di conservazione regolamentato o un deposito in biblioteca nazionale, passa l'uscita in uno strumento dedicato di conversione in PDF/A e validala dopo, dato che perfino il software che dichiara di produrre PDF/A genera spesso file che non superano la validazione.