Convertidor de imágenes Convertidor de vídeo Convertidor de audio Convertidor de documentos
Precios Guías Formatos API
Iniciar sesión
🇬🇧 Switch to English
Guía

Formato PDF: Guía Técnica Completa sobre Documentos Portátiles, Formularios, Firmas y Cifrado

PDF: Formato Portátil de Documento para Documentos Multiplataforma

PDF (Portable Document Format) es el estándar ISO 32000 para intercambio de documentos, asegurando renderización consistente en todos los dispositivos y sistemas operativos. Desarrollado originalmente por Adobe (1993), PDF ahora es independiente de vendedor y ubicuo en negocios, legal, sanidad y gobierno. Comprender la estructura PDF es esencial para crear documentos seguros, accesibles, búsquedables y conformes.

Estructura de Documento PDF: Objetos y Primitivos

Cada archivo PDF es una colección de objetos—strings, números, arrays, diccionarios y streams:

%PDF-1.4                           (encabezado con versión)
1 0 obj                            (ID de objeto 1, generación 0)
<< /Type /Catalog /Pages 2 0 R >>  (diccionario con referencia a objeto 2)
endobj
2 0 obj                            (nodo del árbol de páginas)
<< /Type /Pages /Kids [3 0 R] /Count 1 >>
endobj
3 0 obj                            (objeto de página)
<< /Type /Page /Parent 2 0 R /MediaBox [0 0 612 792] /Contents 4 0 R >>
endobj
4 0 obj                            (flujo de contenido)
stream
BT
/F1 12 Tf
100 700 Td
(¡Hola, Mundo!) Tj
ET
endstream
endobj
xref                               (tabla de referencias cruzadas)
0 5
0000000000 65535 f
0000000009 00000 n
0000000074 00000 n
0000000133 00000 n
0000000229 00000 n
trailer                            (diccionario trailer)
<< /Size 5 /Root 1 0 R >>
startxref
365
%%EOF

Tipos de objetos clave:

Tipo Ejemplo Propósito
Booleano true, false Lógica
Número 42, 3.14 Coordenadas, tamaños, tamaños de fuente
String (Hola), <48656C6C6F> Texto, datos binarios
Name /Type, /Catalog Claves de diccionario
Array [0 0 612 792] Dimensiones de página (x0, y0, x1, y1)
Diccionario << /Type /Page >> Propiedades de objeto
Stream stream…endstream Datos de imagen, contenido de página
Null null Referencia vacía
Referencia 2 0 R Puntero a objeto 2, generación 0

Composición de Página: Flujos de Contenido y Gráficos

La apariencia visual de una página PDF se define mediante un flujo de contenido—una secuencia de operadores:

q                              (guardar estado de gráficos)
1 0 0 1 50 50 cm               (matriz de transformación: trasladar 50,50)
/F1 12 Tf                       (establecer fuente F1, tamaño 12)
100 50 Td                       (mover posición de texto a 100, 50)
(Texto de Ejemplo) Tj           (mostrar cadena de texto)
Q                              (restaurar estado de gráficos)
BT                             (iniciar texto)
/F1 12 Tf                       (seleccionar fuente)
100 700 Td                      (posición de texto)
(Línea 1) Tj                   (mostrar texto)
T*                             (siguiente línea — usa parámetro de leading)
(Línea 2) Tj
ET                             (fin de texto)

Operadores de gráficos comunes:

Operador Efecto
m x y MoveTo (iniciar nueva ruta en x, y)
l x y LineTo (dibujar línea a x, y)
c x1 y1 x2 y2 x3 y3 CurveTo (Bézier cúbica)
h ClosePath (conectar último con primero)
S Stroke (dibujar contorno de ruta)
f Fill (rellenar ruta)
rg r g b SetRGBColor (0.0–1.0)
k c m y k SetCMYKColor
q Save graphics state
Q Restore graphics state
cm a b c d e f Matriz de transformación (escalar, rotar, trasladar)

Estructura de Página: MediaBox, CropBox, Bleed y Trim

Cada página define múltiples coordenadas de caja:

/MediaBox [0 0 612 792]    (página completa 8.5×11 pulgadas a 72 DPI)
/CropBox [20 20 592 772]   (área de contenido visible — excluye márgenes)
/BleedBox [10 10 602 782]  (área de sangre de impresión — marcas de impresora)
/TrimBox [20 20 592 772]   (tamaño de corte final después de corte)
/ArtBox [50 50 562 742]    (área de contenido para herramientas de diseño)

Flujo de trabajo típico:

  • MediaBox: tamaño de página física (8.5×11")
  • CropBox: área visible en visor PDF (excluye márgenes de impresora)
  • BleedBox: se extiende más allá de TrimBox para sangre de impresión (0.125")
  • TrimBox: tamaño final después de corte (8×10.5")
  • ArtBox: lienzo de trabajo para diseñador

Compresión: FlateDecode y Flujos de Imagen

Los PDFs comprimen contenido mediante varios algoritmos:

FlateDecode (zlib/deflate):

stream
x\x9c+P0T0P04R048W04S040050\r\x0c\x1c+\x10O0\x12\x00\x00\x00\x00\x1f\xff
endstream

Aplica LZ77 + Huffman a datos de texto y vector (~40% reducción).

Incrustación de imagen (DCTDecode para JPEG):

stream
[bytes JPEG crudos—FFD8FFE0…FFD9]
endstream

Incrusta datos JPEG directamente (sin re-codificación), ahorrando ~3× almacenamiento vs. RGB crudo.

CCITT Group 4 (escaneo monocromático de 1 bit):

/Filter /CCITTFaxDecode
/K -1
/Columns 2550

Codifica escaneos bitonales (1 bit) (fax, escaneos de documento) a ratio ~30:1.

Cifrado: RC4 y AES

Los PDFs soportan contraseñas a nivel de usuario y propietario:

RC4 (heredado, 40/128 bits):

  • Cifrado de flujo RC4 con hash MD5
  • 40 bits: limitado, descifrable (para cumplimiento de exportación)
  • 128 bits: adecuado para seguridad casual

AES (AES-128/256, recomendado):

  • AES en modo CBC con relleno PKCS#5
  • AES-128: clave de 128 bits derivada de contraseña de usuario (hash MD5)
  • AES-256: clave de 256 bits, requiere PDF 2.0

Objeto de cifrado:

/Encrypt << /Filter /Standard /V 4 /R 4 /Length 128 /P -44
           /O <hex-owner-password-hash> /U <hex-user-password-hash> >>

Permisos de acceso:

  • /P -44 = no imprimir, no copiar, no rellenar formularios
  • /P -1 = todos los permisos (sin restricciones)
  • /P -4 = solo impresión de alta resolución

Firmas Digitales y Certificados

Los PDFs soportan certificados X.509 incrustados para firmas legales:

/Sig << /Type /Sig /Filter /Adobe.PPKLite /SubFilter /adbe.pkcs7.detached
        /Name (Juan Pérez) /Reason (Aprobación) /Location (Madrid)
        /M (D:20240101120000Z) /Contents <hex-PKCS7-data> >>

Flujo de trabajo de firma:

  1. Creador deriva hash del contenido de página (SHA-256)
  2. Firma hash con clave privada (RSA-2048)
  3. Incrusta estructura PKCS#7 con certificado de firmante + timestamp
  4. Destinatario verifica firma mediante certificado público del firmante
  5. Cualquier cambio de contenido invalida la firma

Autoridad de Marca Temporal (TSA): asegura validez de firma incluso después de que cert del firmante expire.

Campos de Formulario y AcroForm

Los formularios interactivos incrustan definiciones de campo:

/AcroForm << /Fields [7 0 R 8 0 R] /SigFlags 3 >>
7 0 obj
<< /Type /Annot /Subtype /Widget /FT /Tx /Rect [50 700 200 720]
   /V (Valor Predeterminado) /DV (Valor Inicial)
   /DA (0 0 0 rg /F1 12 Tf) >>
endobj

Tipos de campo:

Tipo Subtipos Uso
/Tx Texto Entrada de texto en una línea
/Ch Combo, List Selección desplegable
/Btn Push, Check, Radio Botones
/Sig — Firma digital

Metadatos y Accesibilidad (PDF Etiquetado)

Diccionario de Información del Documento:

/Info << /Title (Informe Q4 2024) /Author (Jane Smith)
         /Subject (Resultados Financieros) /Keywords (ingresos, ganancia)
         /CreationDate (D:20240101120000Z) >>

PDF Etiquetado (PDF/UA—Accesibilidad Universal):

/StructTreeRoot << /Type /StructElem /S /Document /K [1 0 R 2 0 R] >>
1 0 obj
<< /Type /StructElem /S /Paragraph /P 0 0 R /Pg 3 0 R >>
endobj

Habilita lectores de pantalla para navegar estructura de documento (encabezados, listas, tablas, texto alternativo para imágenes).

Motores de Renderización Comunes

Motor Propósito Velocidad
Ghostscript Rasterización del lado del servidor (PDF→PNG) Media (basada en C)
PDFium Visor PDF de Google Chrome Rápida (C++, renderización incremental)
MuPDF iOS/Android ligero Muy rápida (eficiente en memoria)
iText 7 Manipulación de PDF Java/C# Media (basada en JVM)
PyPDF4/pypdf Extracción de texto Python Lenta (Python puro)

Seguridad Práctica y Cumplimiento

PDF/A (archivo):

  • Fuentes incrustadas, metadatos, perfiles de color
  • Sin cifrado, referencias externas o JavaScript
  • Adecuado para almacenamiento legal a largo plazo (20+ años)

PDF/UA (accesibilidad):

  • Estructura etiquetada, texto alternativo, orden de tabulación lógico
  • Destinos nombrados para marcapáginas
  • Adecuado para cumplimiento de gobierno (Sección 508, EN 301 549)

PDF/X (intercambio de impresión):

  • Colores CMYK, fuentes incrustadas, colores de mancha
  • Sin transparencia, capas o JavaScript
  • Adecuado para producción de impresión RIPs

PDF vs. Alternativas

Formato Codificación Editabilidad Cifrado Tamaño
PDF Modelo de objeto complejo Limitada (bloqueada) ✅ (AES-256) 200 KB (doc)
DOCX ZIP + XML ✅ (completa) ✅ (solo Office 365) 150 KB
PostScript Operadores basados en pila ❌ (solo fuente) ❌ 500 KB
TIFF Raster de imagen ❌ (raster) ❌ 5 MB (escaneado)
HTML Marcado + CSS ✅ (completa) ❌ 50 KB

PDF domina para distribución debido a su consistencia de renderización, cifrado y soporte de firmas. Para edición colaborativa, DOCX es superior. Para archivo, PDF/A es requerido.

Creación y Manipulación de PDFs Programáticamente

Ghostscript (rasterización PDF→PNG):

gs -q -dNOPAUSE -dBATCH -dSAFER -sDEVICE=png16m -r300 \
   -sOutputFile=page-%d.png entrada.pdf

Python (pypdf):

from pypdf import PdfReader
reader = PdfReader('entrada.pdf')
for page in reader.pages:
    print(page.extract_text())

PDFtk (fusionar, dividir, sello):

pdftk A=entrada1.pdf B=entrada2.pdf cat A B output fusionado.pdf
pdftk entrada.pdf burst output página-%d.pdf

iText 7 (Java):

PdfWriter writer = new PdfWriter("salida.pdf");
PdfDocument doc = new PdfDocument(writer);
Document document = new Document(doc);
document.add(new Paragraph("¡Hola, Mundo!"));
document.close();

La longevidad, seguridad e interoperabilidad de PDF lo hacen indispensable para flujos de trabajo comerciales, legales y de gobierno.