Documento PDF (.pdf)
ISO EstándarPortable Document Format (PDF) es un estándar de documento digital ampliamente utilizado, diseñado para presentar documentos de forma uniforme, independientemente del software, el hardware y el sistema operativo.
Convertir de PDF a JPG
Convertidor gratuito de PDF a JPG en el navegador. Convierte archivos al instante en tu dispositivo.
Comprimir PDF en línea
Privado - los archivos nunca salen de tu dispositivo
Inspección y metadatos
Los sistemas operativos y analizadores de archivos identifican los archivos de PDF inspeccionando la secuencia de bytes binarios inicial:
Firma de cabecera a nivel de bytes (bytes mágicos)
Los sistemas operativos y analizadores de archivos identifican los archivos de PDF inspeccionando la secuencia de bytes binarios inicial:
FIRMA HEXADECIMAL (DESPLAZAMIENTO 0):
25 50 44 46REPRESENTACIÓN ASCII: %PDF
Estandarización: ISO 32000-1 (2008) / ISO 32000-2 (2020)
Especificaciones técnicas
| Arquitectura del contenedor | Jerarquía de objetos híbrida binaria/ASCII con tabla de referencias cruzadas |
| Compresión | FlateDecode (Deflate), DCTDecode (JPEG), CCITT Fax, JBIG2, JPXDecode |
| Orden de bytes (Endianness) | Big-endian (orden de bytes de red) para los flujos de objetos binarios |
| Espacios de color | sRGB, Display P3, DeviceCMYK, Grayscale, Spot Colors (Pantone) |
| Canales y estructura | Capas de gráficos vectoriales, tipografía, flujos ráster y metadatos incrustados |
| Dimensiones máximas | 200 x 200 pulgadas (UserUnit permite hasta 15,000,000 pulgadas en PDF 1.6+) |
| Transparencia | Transparencia alfa completa, modos de fusión y máscaras de opacidad |
| Streaming y progresivo | El PDF linealizado ('Fast Web View') permite la transmisión por rangos de bytes mediante peticiones HTTP Range |
Matriz de comparación técnica: PDF frente a la competencia
| Atributo técnico | PDF (Actual) | DOCX | EPUB | HTML5 |
|---|---|---|---|---|
| Fidelidad del diseño visual | Ayuda a conservar la disposición, pero la representación varía según el visor y el dispositivo de salida. | Basado en el flujo del texto; varía según la versión de Word y las fuentes instaladas | Diseño de lector redistribuible; sin garantías de tipografía fija | Modelo de caja CSS fluido; renderizado dependiente de la pantalla |
| Autocontenido | Puede incrustar fuentes e imágenes, pero el contenido depende del documento y de los ajustes de creación. | Contenedor XML autocontenido (por lo general, no incrusta las fuentes del sistema) | Contenedor ZIP autocontenido (con recursos XHTML/CSS incluidos) | Requiere recursos HTTP externos a menos que se empaquete mediante MHTML |
| Firmas criptográficas | Firmas digitales criptográficas PAdES y X.509 nativas, incluidas en la especificación ISO | Admite firmas digitales Office XML DSig | Requiere firmas de contenedor digital personalizadas | Requiere la API Web Crypto o garantías externas de transporte TLS |
| Adaptabilidad móvil | Lienzo de página fija (requiere ampliar y desplazarse en pantallas pequeñas) | Excelente redistribución adaptable del texto | Diseñado específicamente para la lectura electrónica fluida en móviles | Diseño adaptable nativo con consultas de medios CSS |
| Normalización | Estándar internacional abierto (ISO 32000-2:2020) | ECMA-376 / ISO/IEC 29500 | Estándar abierto del W3C y el IDPF | Estándar vivo del W3C y WHATWG |
Modos de corrupción comunes y guía de recuperación hexadecimal
Acrobat o el visor de PDF muestran «El archivo está dañado y no se puede reparar» o lo abren completamente en blanco.
Causa raíz: Una transferencia FTP o HTTP en modo ASCII convirtió secuencias de bytes binarios (sustituyó 0x0A por 0x0D 0x0A) y alteró los desplazamientos de bytes de la tabla de referencias cruzadas (xref).
Recuperación: Las utilidades modernas de reparación de PDF (por ejemplo, qpdf --repair o File2File.app repair) vuelven a recorrer el archivo, reconstruyen el diccionario de objetos y generan una nueva tabla xref.
El visor de PDF no logra cargar el documento o se bloquea en la última página.
Causa raíz: La descarga se interrumpió o la escritura en disco quedó incompleta, por lo que faltan el marcador «%%EOF» y el diccionario del tráiler.
Recuperación: Examine el final del archivo con «tail -c 128 document.pdf». Si falta %%EOF, comprueba si existe el objeto de catálogo raíz y añade una tabla xref provisional que apunte al número de objeto válido más alto.
Las fuentes incrustadas se renderizan como símbolos ilegibles, bloques en blanco (.notdef) o signos de interrogación.
Causa raíz: Subconjuntos de fuentes no incrustados que remiten a fuentes del sistema ausentes en el equipo donde se visualiza el archivo, o tablas CMap ToUnicode dañadas.
Recuperación: Vuelve a incrustar los subconjuntos de fuentes que faltan con Ghostscript (gs -o fixed.pdf -sDEVICE=pdfwrite -dEmbedAllFonts=true broken.pdf) o convierte el texto en trazados vectoriales.
Análisis de seguridad y vectores de ataque al analizador
PDF admite funciones como scripts activos, archivos incrustados y flujos de objetos comprimidos, que los lectores deben analizar y gestionar de forma segura. Los visores PDF del navegador pueden usar un entorno aislado para separar el procesamiento de documentos.
Vectores de ataque conocidos
- JavaScript de Acrobat incrustado (API JS) que ejecuta código arbitrario o facilita ataques de phishing al abrir el documento.
- Acciones de inicio (/Launch) configuradas para ejecutar archivos binarios externos o scripts de shell.
- Vulnerabilidades en los motores antiguos de análisis de fuentes Type 1 y TrueType que pueden provocar desbordamientos de búfer.
- Falsificación de solicitudes del lado del servidor (SSRF) y robo de credenciales mediante hashes NTLM a través de acciones URI (/URI) o el envío de formularios.
Mejores prácticas defensivas: No abre PDF no confiables con la ejecución de JavaScript de Adobe Acrobat habilitada. Para visualizarlos en la web, usa los motores WebAssembly/PDF.js del navegador, aislados en un entorno protegido, o conviértalos a PDF/A-1b saneados.
Orígenes históricos e hitos
Ventajas principales
- Diseñado para conservar la disposición de la página en distintos sistemas, aunque la apariencia puede variar según las fuentes, el visor y los ajustes de impresión.
- Admite firmas digitales criptográficas, anotaciones de redacción y permisos de acceso DRM.
- Puede contener gráficos vectoriales, fuentes y flujos ráster comprimidos; las fuentes y otros recursos no siempre están incrustados.
Limitaciones técnicas
- El diseño fijo de la página dificulta la redistribución automática del contenido en pantallas pequeñas de teléfonos inteligentes.
- La compleja jerarquía interna de flujos de objetos puede aumentar mucho el tamaño de los archivos si no se compactan ni se eliminan los objetos sin referencias.
- El código JavaScript incrustado y las capacidades de acción de inicio dinámico presentan una amplia superficie de ataque.
Curiosidades técnicas interesantes
- El documento original del proyecto Camelot planteaba imprimir documentos electrónicamente desde cualquier aplicación directamente en cualquier pantalla.
- Todo archivo PDF termina con la cadena exacta «%%EOF», que marca el final del archivo.
- Algunos tribunales y organizaciones de archivo especifican PDF/A para procesos de conservación; los requisitos varían según la jurisdicción y la institución.
Preguntas técnicas frecuentes
¿Por qué las páginas PDF pueden verse parecidas en distintas pantallas e impresoras?
PDF guarda el contenido de la página con coordenadas fijas, lo que ayuda a conservar la disposición. La apariencia puede variar según las fuentes, el visor, la gestión del color y los ajustes de impresión.
¿Cuál es la diferencia entre un PDF estándar y PDF/A?
PDF/A (ISO 19005) es un subconjunto especializado para el archivo a largo plazo. Prohíbe estrictamente las funciones que podrían comprometer la legibilidad futura, como JavaScript, los enlaces a fuentes externas, el cifrado, la inclusión de audio o vídeo y los espacios de color dependientes del dispositivo. Todas las fuentes y los perfiles de color deben estar incrustados al 100 %.
¿Cómo funciona la compresión de PDF en los documentos modernos?
El PDF utiliza múltiples filtros de compresión discretos adaptados a los tipos de contenido. El texto, los comandos vectoriales y las métricas de fuentes se comprimen mediante FlateDecode (zlib/deflate). Las imágenes fotográficas utilizan DCTDecode (JPEG) o JPXDecode (JPEG 2000), mientras que el texto escaneado monocromático de dos niveles utiliza compresión JBIG2 o CCITT Fax Group 4.
¿Por qué un archivo PDF suele seguir siendo grande incluso después de eliminar páginas o imágenes?
Al modificar un PDF, muchos editores realizan una «actualización incremental»: añaden nuevos flujos de objetos y una tabla xref al final del archivo sin eliminar los objetos antiguos, lo que permite deshacer cambios rápidamente. Para reducir el tamaño del archivo, hay que optimizar el documento y eliminar los objetos sin referencias.
Pares de conversión de PDF relacionados
Convierte cada página de un PDF en una imagen JPG que puedes publicar, enviar por chat o insertar en una diapositiva. Las páginas se renderizan a 150 ppp, y un PDF con varias páginas te proporciona un ZIP con un JPG por página.
Guarda cada página de un PDF como una imagen PNG sin pérdida, lo suficientemente nítida para texto, tablas y diagramas. Las páginas se renderizan a 150 ppp, y un PDF de varias páginas te ofrece un archivo ZIP con un PNG por página.
Comparte una captura de pantalla o diagrama PNG como un PDF de una sola página con sus píxeles y transparencia intactos. La página del PDF es una imagen fija, no un archivo PNG editable.
Coloca una fotografía JPEG en una página de PDF para su revisión o impresión. Sus datos de imagen existentes están incrustados, pero el PDF no proporciona controles de edición de fotos.
Crea un PDF de una sola página a partir de un gráfico WebP para un documento o ciclo de aprobación. El navegador lo redibuja como una imagen, por lo que los datos WebP y el movimiento no se conservan.
Comparte un logotipo o una ilustración SVG como un PDF de una sola página. Sus rutas escalables se convierten en una imagen de resolución fija, por lo que ampliarla no permite recuperar el detalle vectorial.
Convierte una foto HEIC estática en un PDF de una sola página para compartir o para formularios. La página utiliza datos de imagen de 8 bits y no incluye secuencias HEIC ni datos de origen HDR.
Coloca una imagen web AVIF en una página PDF para la revisión de una campaña. Se dibuja en una imagen de lienzo estándar, por lo que se pierden la codificación AVIF y los datos auxiliares HDR.