Por qué los marcadores y los enlaces desaparecen al unir o dividir un PDF

Los marcadores no están en las páginas

Un PDF tiene un catálogo: un objeto en la cabeza del archivo que dice dónde está todo. Las páginas cuelgan de él en un árbol. También cuelgan de él otras cosas, y dos de ellas son de las que trata este artículo.

El esquema —lo que tu lector muestra como marcadores en su panel lateral— es un árbol de entradas que cuelga del catálogo. Cada entrada tiene un título y un destino, y el destino apunta a un objeto de página. La página no sabe nada de ella. No hay ninguna marca en la página 14 que diga «aquí empieza el capítulo 3»; hay una entrada de esquema en otra parte del archivo que resulta que apunta a la página 14.

Los destinos con nombre son una tabla de consulta, también en el catálogo, que asocia nombres como chapter3 con lugares del documento. Existen para que un enlace pueda decir «ve a chapter3» en vez de «ve a la página 14», lo que significa que el enlace sobrevive a que el capítulo se mueva. Son además la forma en que los enlaces de fuera del archivo llegan a un lugar concreto dentro de él.

Las dos cosas son propiedades del documento. Ninguna es una propiedad de una página. Esa única frase es toda la explicación de lo que viene a continuación.

Estas herramientas crean un documento nuevo

Unir, dividir, extraer páginas, eliminar páginas y reordenar páginas funcionan todas igual, en tu navegador: crean un PDF vacío, copian dentro las páginas que quieres y lo guardan.

No editan tu archivo. No se borra nada de nada: tu original queda intacto en tu disco, y lo que descargas es un documento nuevo que resulta que contiene las mismas páginas. Ese diseño es la razón de que estas herramientas sean rápidas, de que funcionen sin conexión y de que no puedan dañar aquello con lo que empezaste.

Y es también exactamente la razón de que los marcadores no pasen. La operación de copia toma páginas. El esquema y la tabla de nombres nunca estuvieron unidos a una página, así que no hay nada que traer: el documento nuevo recibe un catálogo nuevo con un esquema vacío y tu lector, al no encontrar esquema, no muestra ningún panel de marcadores.

El mismo razonamiento explica algunas otras cosas que la gente nota:

• Las etiquetas de página tampoco pasan: los números romanos de las páginas preliminares, los prefijos de los anexos y cualquier otra cosa que tu lector mostrara en su casilla de página. Misma estructura, mismo motivo. Por qué los números de página de un PDF no coinciden con las páginas trata las etiquetas en detalle.
• Los campos de formulario y las firmas tampoco sobreviven intactos, y a una firma no se le podría permitir: certifica un documento concreto, y este es un documento distinto. Cómo funcionan los formularios PDF trata ese lado.
• Los números de página impresos sí sobreviven, porque son tinta sobre la página, y ahora estarán equivocados. Eso no es un fallo, es el mismo hecho visto desde el otro extremo.

Qué sí sobrevive

Todo lo que forma parte de verdad de una página pasa, porque la página es lo que se copia:

• Todo el contenido visible: texto, fuentes, gráficos vectoriales e imágenes, con toda su calidad. Las páginas se copian, no se vuelven a renderizar, así que nada se recomprime y nada pierde nitidez.
• Los enlaces web. Un enlace a un sitio web es una anotación que está sobre la página con la dirección escrita dentro. No necesita nada de fuera de la página, así que sigue funcionando. Esto incluye los enlaces de correo y cualquier otra cosa que sea una dirección sin más.
• El tamaño de página, la rotación y los recuadros. Cada página lleva los suyos, así que un conjunto que mezcla A4 y Carta sigue mezclado, y una página tumbada sigue tumbada. Por qué un PDF rotado vuelve a como estaba trata la rotación.
• Los comentarios y los resaltados, que también son anotaciones de página, aunque un hilo de respuestas que haga referencia al documento puede acabar incompleto.

Y lo que no: el esquema, los destinos con nombre, las etiquetas de página, los metadatos del documento como el título y el autor, los archivos adjuntos, los hilos de artículo y la acción de apertura del documento, la instrucción que le dice a un lector que abra en la página 5 o con un zoom concreto.

Los metadatos merecen una nota aparte, porque aquí la cosa corta en la dirección útil: un documento nuevo no nace llevando el nombre del autor, el software y el historial de revisiones del antiguo. Qué contienen los metadatos de un PDF explica qué suele incluir eso, y el editor de metadatos te deja comprobar qué ha salido.

El caso incómodo: los enlaces a otra página del mismo archivo

Un índice cuyas entradas saltan a los capítulos, o una referencia cruzada del tipo «véase la página 12», es una anotación sobre la página igual que un enlace web, pero en vez de una dirección contiene un destino: una referencia a otro objeto de página del mismo documento.

Cuando las páginas se copian a un documento nuevo, la anotación va con su página. Su destino también hay que copiarlo, y ese destino es una página. Así que la maquinaria de copia sigue la referencia y trae esa página también, como un objeto aparte que no está en el árbol de páginas del documento nuevo.

Esto lo hemos medido sobre la salida de estas propias herramientas en lugar de suponerlo. Unir un documento de seis páginas que contiene un enlace interno produce un archivo con siete objetos de página y seis páginas. El archivo es estructuralmente válido —un verificador no le encuentra nada mal— y el enlace sigue resaltándose al pasar el cursor por encima. Simplemente apunta a una página que no está en el documento, así que un lector no tiene adónde llevarte.

Por tanto: da por hecho que los enlaces internos no sobreviven. El área en la que se puede pulsar puede seguir ahí, lo que es peor que una rotura limpia porque parece que funciona. Esto vale incluso cuando la página de destino es una que has conservado, e incluso en una unión directa en la que se copiaron todas las páginas.

Los enlaces que usan un destino con nombre fallan de forma más honesta: la tabla de nombres está en el catálogo, así que ha desaparecido, y el enlace no tiene nada que resolver.

Qué hacer al respecto

En este sitio no hay ninguna herramienta que escriba un esquema, y esta página lo dice en vez de insinuar lo contrario. Lo que sí hay:

• Haz primero el trabajo con las páginas y la navegación al final. Une, divide y reordena mientras el documento aún está en bruto, y añade los marcadores en la aplicación que vaya a producir el archivo definitivo. Hacerlo al revés tira ese trabajo a la basura.
• Si el conjunto necesita navegación, constrúyela desde los documentos de origen. Un procesador de textos o un editor de PDF de escritorio que sepa escribir un esquema es la herramienta adecuada; estas herramientas de navegador no pueden, y una herramienta que afirma conservar los marcadores al unir está haciendo bastante más que copiar páginas.
• Añade los números de página impresos después de unir, no antes. Añadir números de página le da al conjunto una secuencia honesta, y tiene un ajuste aparte para elegir en qué hoja empezar, de modo que una portada puede quedarse sin numerar.
• Dale a quien lee un índice en texto. No sustituye a los marcadores, pero en un conjunto unido una primera página que enumere qué hay y dónde está sobrevive a todo y no necesita que ninguna función esté disponible.
• Comprueba antes de enviar. Abre el resultado y mira el panel de marcadores y una o dos referencias cruzadas. Lleva diez segundos, y la alternativa es enterarte por quien lo recibe.

Combinar PDF y reordenar y eliminar páginas cubren el resto de lo que se mueve y lo que no.