O que é um PDF? Fundamentos do formato explicados

O PDF foi inventado pela Adobe Systems em 1993. O objetivo era simples mas ambicioso: um formato de arquivo único que preserva fontes, imagens, gráficos e layout de um documento exatamente como o autor pretendia, independentemente do computador, sistema operacional ou impressora usados para visualizá-lo. O nome "Portable Document Format" reflete essa ambição.

Durante sua primeira década, o PDF foi um formato proprietário da Adobe. Em 2008 foi publicado como padrão internacional aberto, ISO 32000-1, que transferiu a gestão para a Organização Internacional de Padronização (ISO). Agora qualquer um pode construir software que leia ou escreva PDFs sem pagar royalties. Uma versão revisada,ISO 32000-2 (PDF 2.0), foi publicada em 2020 e esclareceu muitos casos extremos sem quebrar arquivos existentes.

Os PDFs resolvem um problema real que formatos anteriores não conseguiam. Um documento Word aberto em outro computador pode se reorganizar, trocar de fontes e modificar quebras de página. Uma página web depende do navegador e do tamanho da tela. Um PDF, por outro lado, é um documento de layout fixo: a página 3 parece a página 3 em qualquer lugar.

Essa confiabilidade tornou o PDF o formato padrão para contratos, faturas, trabalhos de pesquisa, formulários administrativos, e-books e qualquer documento destinado a ser impresso ou arquivado. Leitores gratuitos (Adobe Acrobat Reader, depois navegadores e sistemas operacionais) tornaram a consulta sem atrito. Hoje, todos os sistemas operacionais principais podem abrir um PDF sem instalar software adicional.

Um PDF é um arquivo estruturado de texto e binário composto por quatro partes:

• Cabeçalho — uma única linha indicando a versão do PDF (por exemplo, %PDF-1.7).
• Corpo — uma sequência de objetos numerados que descrevem páginas, fontes, imagens, fluxos de texto e metadados. Cada objeto é independente e pode ser lido em qualquer ordem.
• Tabela de referências cruzadas — um índice que dá o deslocamento em bytes de cada objeto, para que um leitor possa pular diretamente para qualquer objeto sem percorrer todo o arquivo.
• Trailer — aponta para a tabela de referências cruzadas e o objeto raiz (o catálogo do documento), para que o leitor saiba por onde começar.

Esse design é a razão pela qual PDFs podem ser grandes mas abrir rapidamente: a tabela de referências cruzadas permite que leitores recuperem apenas os objetos de que precisam. É também por que atualizações incrementais são possíveis — quando você modifica um PDF, um novo objeto e uma nova seção de referências cruzadas podem ser adicionados sem reescrever todo o arquivo.

O número de versão no cabeçalho (%PDF-1.x ou%PDF-2.0) indica a um leitor quais funcionalidades o arquivo pode usar. A maioria dos PDFs reais está entre 1.4 e 1.7. A versão 1.5 introduziu fluxos de objetos e fluxos de referências cruzadas que reduzem o tamanho. A 1.6 adicionou conteúdo 3D e criptografia mais rica. A 1.7 (a base da ISO 32000-1) consolidou tudo. O PDF 2.0 limpou a especificação mas ainda é pouco comum na prática.

Para o uso diário, a versão raramente importa. Leitores modernos gerenciam todas. O que importa mais é o que há nos objetos: fontes incorporadas, compressão de imagens e metadados.