Numerar um PDF quando as páginas estão rodadas ou têm formatos diferentes

A rotação é o teste que a maioria das ferramentas falha

Uma página PDF pode trazer uma rotação de 0, 90, 180 ou 270 graus. A rotação não está incorporada no conteúdo: as instruções de desenho ficam exatamente como foram escritas, e o leitor roda a página inteira ao mostrá-la. É assim que qualquer digitalização que entrou de lado é endireitada, e é extremamente frequente em documentos que passaram por um digitalizador ou uma ferramenta de rotação.

A armadilha é que a biblioteca que escreve o número não aplica essa rotação. Peça-lhe «fundo centro» numa página rodada 90 graus e colocará fielmente o texto no fundo ao centro da página não rodada — que o leitor vê a meio do bordo esquerdo, deitado de lado. Numa página a 270 graus cai no bordo oposto. Engane-se um pouco numa folha apaisada e o número sai completamente, porque a largura e a altura trocaram.

Esta ferramenta faz a conversão. Construiu-se um ficheiro de seis páginas com A4 vertical, Letter vertical, A4 apaisada e três A4 rodadas 90, 180 e 270 graus, e numerou-se ao fundo ao centro com uma margem de 28 pontos. Ao reler o resultado pela vista de um motor de renderização — a mesma transformação que um leitor aplica — cada um dos seis números ficou a 28 pontos acima do bordo inferior da página mostrada, e todos se liam da esquerda para a direita. Nas páginas rodadas o texto original voltava a 90, 180 e 270 graus nessa mesma vista, e é esse o ponto: o número está direito precisamente porque foi corrigido, e o conteúdo da página não.

Formatos mistos: cada página medida por si

Um processo junto quase nunca tem um só formato de página. Um relatório A4 com um anexo Letter, uma folha de cálculo apaisada impressa no meio de um documento vertical, uma digitalização que saiu num formato estranho — tudo isso é comum. Uma ferramenta que mede a primeira página e depois reutiliza essa medida vai desviar o número lateralmente em cada página diferente.

Esta mede cada página no momento de a numerar. No ficheiro de teste de seis páginas, o número centrado ficou a 287,9 pontos nas folhas A4, a 296,3 na Letter e a 411,2 nas apaisadas e rodadas. São três posições horizontais diferentes no ficheiro, e as três são o centro da sua própria página. Quando vários documentos são numerados numa passagem aplica-se a mesma regra ao nível do documento: o último número de cada ficheiro é calculado sobre o seu próprio comprimento, pelo que um capítulo de cinco páginas diz «5 / 5» mesmo estando em fila atrás de um de quarenta.

Um ficheiro de impressão com sangria: medido a partir do corte, não da folha

Uma página tem mais de um retângulo. A MediaBox é a folha em que a página é desenhada; a CropBox é a parte que o leitor deve ver. Num documento de escritório comum são iguais, e por isso a diferença quase nunca aparece. Num ficheiro preparado para impressão não o são: a folha é maior do que a página acabada, a faixa extra à volta do bordo é a sangria, e a CropBox marca onde cairá o corte.

A ferramenta mede a CropBox, o que faz da margem escolhida uma margem a partir do bordo acabado — aquele que o leitor terá na mão. Medido em páginas construídas de propósito, fundo ao centro, margem de 28 pontos: com uma sangria de 3 mm o número ficou a 28,00 pontos acima do bordo aparado; com uma sangria de 10 mm, também a 28,00; e numa página sem sangria nenhuma, os mesmos 28,00. As três são indistinguíveis, e é isso que se pretende. Uma página que não declara CropBox não é afetada, porque uma CropBox ausente vale a MediaBox por definição — e uma folha cuja origem não está em zero também é tratada, já que o canto da caixa é somado de novo em vez de presumido. A pré-visualização no ecrã é construída com essa mesma medida, portanto o que mostra é o que o ficheiro vai conter.

O número já presente na página é-lhe invisível

Vale a pena dizê-lo com franqueza porque desilude quem espera outra coisa: nenhuma ferramenta de numeração deste tipo deteta um número de página existente, e esta não é exceção. Nunca lê o texto da página. Abre o documento, acrescenta uma instrução de desenho a cada página e guarda. O que já lá estivesse impresso continua impresso.

O teste tornou-o concreto. Um ficheiro de três páginas cuja primeira já trazia o rodapé «Page 1 of 2» foi numerado ao fundo à direita. O resultado mostra ambos: o rodapé original e um novo «1 / 3» dezasseis pontos abaixo. Os dois contradizem-se na mesma página — o rodapé antigo contava duas páginas, a ferramenta contou três — e nada na interface assinala que isto aconteceu. Se o seu documento já imprime números, retire-os na origem ou aceite dois conjuntos, e verifique pelo menos uma página antes de enviar o ficheiro seja para onde for.

A mesma cegueira aplica-se a tudo o resto que já ocupe a margem. Uma página de teste com um rodapé de empresa que ia de 120 a 356 pontos ao longo do fundo, exatamente à altura onde vai o número, recebeu o seu «1 / 1» de 288 a 307 pontos — impresso por cima da morada. Não há verificação de colisão, e dificilmente poderia haver sem ler a página. Leve o número para um canto que o documento deixe livre, ou suba a margem até desimpedir.

O que a numeração faz às páginas originais

Nada é recomprimido e nada é re-renderizado. O número é acrescentado como uma nova instrução de desenho anexada à página, e não reescrevendo o que lá estava: num ficheiro numerado o conteúdo da página passou de oito blocos de instruções para onze, e os oito originais ficaram intactos. Cada fluxo de dados em bruto de dois documentos reais — 48 num, 60 no outro, incluindo duas imagens incorporadas — saiu idêntico byte a byte depois de numerar. O texto continua selecionável, as imagens mantêm a qualidade original e não há perda de geração.

O tamanho do ficheiro pode variar nos dois sentidos, e muitas vezes desce. Um documento português passou de 152 674 bytes para 74 823 — metade, com as suas oito páginas e cada carácter do texto intactos. A razão é que o ficheiro inteiro é reconstruído em vez de acrescentado: o original trazia três revisões empilhadas, e o reconstruído traz uma. É um efeito colateral da biblioteca, não uma funcionalidade da ferramenta, e convém sabê-lo porque significa que a saída não é uma edição mínima do seu original. É um ficheiro novo com as mesmas páginas.

Dois documentos serão recusados à partida. Um PDF encriptado é um deles: a biblioteca não abre um ficheiro que traga um gestor de segurança, mesmo sem palavra-passe para escrever e mesmo que o ficheiro abra instantaneamente em qualquer leitor. Uma norma industrial de 192 páginas usada nestes testes comporta-se exatamente assim — o seu texto extrai-se sem dificuldade com a ferramenta de texto deste site, e a de numeração nomeia-a e passa-lhe ao lado. A outra recusa é um rótulo com caracteres que a fonte PDF padrão não sabe escrever: as letras polacas, checas, turcas, gregas e cirílicas ficam fora do seu repertório, e a ferramenta verifica o rótulo antes de começar em vez de falhar a meio de um lote.

Perguntas frequentes

As minhas páginas estão rodadas. Os números vão sair de lado?

Não. Isto foi testado nos quatro valores de rotação no mesmo ficheiro e o número saiu direito e no canto pedido em todos os casos, medido através da mesma transformação de vista que um leitor aplica. A ferramenta calcula onde fica o canto na página tal como a vê, reconverte esse ponto para o espaço de coordenadas da página e roda o texto pela rotação da página para que a sua linha de base siga o sentido de leitura. Vale a pena verificar isto em qualquer outra ferramenta de numeração que use, porque é precisamente aí que falham: um número a meio do bordo esquerdo, deitado de lado, é a assinatura de uma ferramenta que ignorou o indicador de rotação.

O meu documento mistura A4 e Letter. Os números vão ficar alinhados?

Cada número ficará corretamente colocado na sua própria página, o que não é exatamente o mesmo que estar alinhado. Um número centrado fica a 287,9 pontos em A4 e a 296,3 em Letter, porque são os centros de duas larguras diferentes — folheie as páginas no ecrã e o número mexe-se. Está certo: está centrado em cada folha. Se precisar que fiquem alinhados em todo o documento, use uma posição de canto em vez de centrada, já que uma margem fixa a partir do bordo esquerdo ou direito dá a mesma distância em todas as páginas seja qual for a largura. Numerar vários ficheiros numa passagem segue o mesmo princípio ao nível do documento: o total de cada ficheiro é o seu.

O documento já tem números de página. A ferramenta vai substituí-los?

Não — acrescenta um segundo conjunto. A ferramenta nunca lê o texto da página; apenas desenha por cima. Nos testes, uma página que já mostrava «Page 1 of 2» voltou com isso e com um novo «1 / 3» logo abaixo, em desacordo os dois sobre quantas páginas tem o documento. Retirar um número existente exige voltar ao que produziu o documento, porque uma vez desenhado na página faz parte do conteúdo como qualquer outro texto. Se não puder, ponha o número novo noutro canto para não se sobreporem, e diga a quem receber o ficheiro qual dos conjuntos conta.

Numerar vai recomprimir o meu PDF ou perder qualidade?

Não. O número é uma nova instrução de desenho anexada à página, e o conteúdo original não é tocado. Cada fluxo de dados em bruto de dois documentos de teste reais — imagens incorporadas incluídas — saiu idêntico byte a byte depois de numerar. O texto continua selecionável e as imagens mantêm exatamente os dados originais, pelo que pode numerar o mesmo ficheiro repetidamente sem perda de geração. O tamanho do ficheiro pode ainda assim mudar, e muitas vezes cai bastante: a biblioteca reconstrói o ficheiro inteiro em vez de o acrescentar, pelo que um documento com várias revisões empilhadas volta como uma só. Um ficheiro de teste ficou com metade do tamanho, com todas as páginas e todo o texto intactos.

Porque é que recusa o meu PDF, ou o meu rótulo?

Duas causas. Se o ficheiro for recusado, está quase de certeza encriptado — e encriptado não significa necessariamente protegido por palavra-passe. Muitos documentos publicados trazem um gestor de segurança com palavra-passe de utilizador vazia: abrem instantaneamente em qualquer leitor, mas a biblioteca usada aqui não lhes toca. Uma norma industrial de 192 páginas usada nestes testes faz exatamente isso, e esse mesmo ficheiro extrai o texto perfeitamente com a ferramenta de texto deste site. Retire a proteção na origem e volte. Se o recusado for o rótulo, contém um carácter que a fonte PDF padrão não sabe escrever. As letras Latin-1 servem — acentos, cedilhas, tremas, os sinais de parágrafo e grau, travessões e aspas curvas — mas não as polacas, checas, turcas, gregas nem cirílicas. A ferramenta verifica antes de começar, pelo que nunca se perde um lote inteiro a meio.