PDF

Portable Document Format (PDF), estandarizado como ISO 32000, es un formato de archivo desarrollado por Adobe en 1992 para presentar documentos, incluidos formato de texto e imágenes, de manera independiente del software de la aplicación, el hardware y los sistemas operativos. Basado en el lenguaje PostScript, cada archivo PDF encapsula una descripción completa de un documento plano de diseño fijo, incluido el texto, las fuentes, los gráficos vectoriales, las imágenes rasterizadas y otra información necesaria para mostrarlo. PDF tiene sus raíces en "El Proyecto Camelot" iniciado por el cofundador de Adobe, John Warnock, en 1991.

PDF se estandarizó como ISO 32000 en 2008. La última edición como ISO 32000-2:2020 se publicó en diciembre de 2020.

Los archivos PDF pueden contener una variedad de contenido además de texto plano y gráficos, incluidos elementos de estructuración lógica, elementos interactivos como anotaciones y campos de formulario, capas, medios enriquecidos (incluido contenido de video), objetos tridimensionales que usan U3D o PRC, y varios otros formatos de datos. La especificación de PDF también proporciona encriptación y firmas digitales, archivos adjuntos y metadatos para habilitar los flujos de trabajo que requieren estas funciones.

Historia

Adobe Systems puso a disposición la especificación PDF de forma gratuita en 1993. En los primeros años, PDF era popular principalmente en los flujos de trabajo de autoedición y competía con una variedad de formatos como DjVu, Envoy, Common Ground Digital Paper, Farallon Replica y incluso el propio formato PostScript de Adobe.

PDF era un formato patentado controlado por Adobe hasta que se lanzó como estándar abierto el 1 de julio de 2008 y la Organización Internacional de Normalización lo publicó como ISO 32000-1:2008, momento en el que el control de la especificación pasó a un Comité ISO de expertos voluntarios de la industria. En 2008, Adobe publicó una Licencia de patente pública para ISO 32000-1 que otorga derechos libres de regalías para todas las patentes propiedad de Adobe que son necesarias para crear, usar, vender y distribuir implementaciones compatibles con PDF.

PDF 1.7, la sexta edición de la especificación PDF que se convirtió en ISO 32000-1, incluye algunas tecnologías patentadas definidas solo por Adobe, como Adobe XML Forms Architecture (XFA) y la extensión de JavaScript para Acrobat, a las que se hace referencia en ISO 32000 -1 como normativa e indispensable para la plena implementación de la especificación ISO 32000-1. Estas tecnologías patentadas no están estandarizadas y su especificación se publica únicamente en el sitio web de Adobe. Muchos de ellos tampoco son compatibles con implementaciones populares de PDF de terceros.

En diciembre de 2020, se publicó la segunda edición de PDF 2.0, ISO 32000-2:2020, que incluye aclaraciones, correcciones y actualizaciones críticas de las referencias normativas. ISO 32000-2 no incluye ninguna tecnología patentada como referencia normativa.

Detalles técnicos

Un archivo PDF suele ser una combinación de gráficos vectoriales, texto y gráficos de mapa de bits. Los tipos básicos de contenido en un PDF son:

• Escriba texto almacenado como flujos de contenido (es decir, no codificado en texto llano);
• Gráficos vectoriales para ilustraciones y diseños que consisten en formas y líneas;
• Gráficos de mapas para fotografías y otros tipos de imágenes
• Objetos multimedia en el documento.

En revisiones PDF posteriores, un documento PDF también puede admitir enlaces (dentro del documento o página web), formularios, JavaScript (inicialmente disponible como un complemento para Acrobat 3.0) o cualquier otro tipo de contenido incrustado que se pueda manejar mediante el complemento. -En s.

PDF combina tres tecnologías:

• Un subconjunto equivalente del lenguaje de programación de la página PostScript pero en forma declarativa, para generar el diseño y los gráficos.
• Un sistema fuente-embedding/replacement para permitir que las fuentes viajen con los documentos.
• Un sistema de almacenamiento estructurado para agrupar estos elementos y cualquier contenido asociado en un solo archivo, con compresión de datos cuando corresponda.

Lenguaje PostScript

PostScript es un lenguaje de descripción de páginas que se ejecuta en un intérprete para generar una imagen, un proceso que requiere muchos recursos. Puede manejar gráficos y funciones estándar de lenguajes de programación, como sentencias if y comandos loop. PDF se basa en gran medida en PostScript pero simplificado para eliminar funciones de control de flujo como estas, mientras que los comandos de gráficos equivalentes a lineto permanecen.

Históricamente, el código PDF similar a PostScript se genera a partir de un archivo PostScript de origen. Los comandos de gráficos que genera el código PostScript se recopilan y tokenizan. También se recopilan todos los archivos, gráficos o fuentes a los que hace referencia el documento. Luego, todo se comprime en un solo archivo. Por lo tanto, todo el mundo PostScript (fuentes, diseño, medidas) permanece intacto.

Como formato de documento, PDF tiene varias ventajas sobre PostScript:

• PDF contiene los resultados tokenizados e interpretados del código fuente PostScript, para la correspondencia directa entre los cambios a los elementos en la descripción de la página PDF y los cambios en la apariencia de la página resultante.
• PDF (desde la versión 1.4) admite gráficos transparentes; PostScript no.
• PostScript es un lenguaje de programación interpretado con un estado global implícito, por lo que las instrucciones que acompañan la descripción de una página pueden afectar la apariencia de cualquier página siguiente. Por lo tanto, todas las páginas anteriores en un documento PostScript deben ser procesadas para determinar la apariencia correcta de una página determinada, mientras que cada página en un documento PDF no es afectada por los demás. Como resultado, los visores de PDF permiten al usuario saltar rápidamente a las páginas finales de un documento largo, mientras que un visor de PostScript debe procesar todas las páginas secuencialmente antes de poder mostrar la página de destino (a menos que se hayan compilado e incluido cuidadosamente las Convenciones de Corrección de Documentos de PostScript).

PDF 1.6 y versiones posteriores admiten documentos 3D interactivos incrustados en un archivo PDF: los dibujos 3D se pueden incrustar utilizando U3D o PRC y varios otros formatos de datos.

Formato de archivo

Un archivo PDF se organiza utilizando caracteres ASCII, excepto ciertos elementos que pueden tener contenido binario. El archivo comienza con un encabezado que contiene un número mágico (como una cadena legible) y la versión del formato, por ejemplo, %PDF-1.7. El formato es un subconjunto de un formato COS ("Carrusel" Object Structure). Un archivo de árbol COS consta principalmente de objetos, de los cuales hay nueve tipos:

• Valores booleanos, representando verdadero o falso
• Números reales
• Integers
• Pendientes, encerrados dentro de paréntesis ((...)) o representado como hexadecimal entre corchetes de ángulo único (<...>). Las cuerdas pueden contener caracteres de 8 bits.
• Nombres, comenzando con un corte adelante (/)
• Arrays, colecciones ordenadas de objetos encerrados entre corchetes ([...])
• Diccionarios, colecciones de objetos indexados por nombres encerrados entre corchetes de doble ángulo (<<...>>)
• Corrientes, generalmente conteniendo grandes cantidades de datos binarios opcionalmente comprimidos, precedidos por un diccionario y encerrados entre el stream y endstream Palabras clave.
• El objeto nulo

Además, puede haber comentarios, introducidos con el signo de porcentaje (%). Los comentarios pueden contener caracteres de 8 bits.

Los objetos pueden ser directos (incrustados en otro objeto) o indirectos. Los objetos indirectos se numeran con un número de objeto y un número de generación y se definen entre las palabras clave obj y endobj si residen en la raíz del documento. A partir de la versión 1.5 de PDF, los objetos indirectos (excepto otras secuencias) también se pueden ubicar en secuencias especiales conocidas como secuencias de objetos (marcadas como /Type /ObjStm). Esta técnica permite que se apliquen filtros de flujo estándar a los objetos que no son de transmisión, reduce el tamaño de los archivos que tienen una gran cantidad de pequeños objetos indirectos y es especialmente útil para PDF etiquetados. Los flujos de objetos no admiten la especificación del número de generación de un objeto (que no sea 0).

Una tabla de índice, también llamada tabla de referencias cruzadas, se encuentra cerca del final del archivo y proporciona el desplazamiento de bytes de cada objeto indirecto desde el inicio del archivo. Este diseño permite un acceso aleatorio eficiente a los objetos del archivo y también permite realizar pequeños cambios sin tener que volver a escribir todo el archivo (actualización incremental). Antes de la versión 1.5 de PDF, la tabla siempre estaría en un formato ASCII especial, se marcaría con la palabra clave xref y seguiría al cuerpo principal compuesto por objetos indirectos. La versión 1.5 introdujo flujos de referencia cruzada opcionales, que tienen la forma de un objeto de flujo estándar, posiblemente con filtros aplicados. Dicho flujo se puede utilizar en lugar de la tabla de referencias cruzadas ASCII y contiene las compensaciones y otra información en formato binario. El formato es flexible en el sentido de que permite la especificación de ancho entero (usando la matriz /W), de modo que, por ejemplo, un documento que no supere los 64 KiB de tamaño puede dedicar solo 2 bytes para desplazamientos de objetos.

Al final de un archivo PDF hay un pie de página que contiene

• El startxref palabra clave seguida de un offset al comienzo de la tabla de referencias cruzadas (comenzando con la xref palabra clave) o el objeto de flujo de referencia cruzada, seguido por
• El %%EOF Marcador final de archivo.

Si no se utiliza un flujo de referencias cruzadas, el pie de página está precedido por la palabra clave trailer seguida de un diccionario que contiene información que de otro modo estaría contenida en el objeto de flujo de referencias cruzadas' diccionario s:

• Una referencia al objeto raíz de la estructura del árbol, también conocida como catálogo ()/Root)
• El recuento de objetos indirectos en la tabla de referencias cruzadas (/Size)
• Otras informaciones opcionales

Dentro de cada página, hay uno o varios flujos de contenido que describen el texto, el vector y las imágenes que se dibujan en la página. El flujo de contenido está basado en pilas, similar a PostScript.

Hay dos diseños para los archivos PDF: no linealizado (no "optimizado") y linealizado ("optimizado"). Los archivos PDF no linealizados pueden ser más pequeños que sus equivalentes lineales, aunque su acceso es más lento porque partes de los datos necesarios para ensamblar las páginas del documento están dispersos por todo el archivo PDF. Los archivos PDF linealizados (también llamados archivos PDF "optimizados" o "optimizados para la web") se construyen de una manera que les permite leerlos en un complemento de navegador web sin esperar a que se complete el archivo completo. descarga, ya que todos los objetos necesarios para que se muestre la primera página están organizados de manera óptima al comienzo del archivo. Los archivos PDF se pueden optimizar con el software Adobe Acrobat o QPDF.

Modelo de imagen

El diseño básico de cómo se representan los gráficos en PDF es muy similar al de PostScript, excepto por el uso de la transparencia, que se agregó en PDF 1.4.

Los gráficos PDF utilizan un sistema de coordenadas cartesianas independiente del dispositivo para describir la superficie de una página. Una descripción de página PDF puede usar una matriz para escalar, rotar o sesgar elementos gráficos. Un concepto clave en PDF es el del estado de gráficos, que es una colección de parámetros gráficos que se pueden cambiar, guardar y restaurar mediante una descripción de página. PDF tiene (a partir de la versión 2.0) 25 propiedades de estado de gráficos, de las cuales algunas de las más importantes son:

• El matriz de transformación actual (CTM), que determina el sistema de coordenadas
• El sendero de corte
• El espacio
• El alfa constante, que es un componente clave de la transparencia
• Indemnización de puntos negros control (introducido en PDF 2.0)

Gráficos vectoriales

Al igual que en PostScript, los gráficos vectoriales en PDF se construyen con rutas. Las rutas suelen estar compuestas por líneas y curvas cúbicas de Bézier, pero también se pueden construir a partir de los contornos del texto. A diferencia de PostScript, PDF no permite que una sola ruta mezcle contornos de texto con líneas y curvas. Las rutas se pueden trazar, rellenar, rellenar y luego trazar, o usarse para recortar. Los trazos y los rellenos pueden usar cualquier conjunto de colores en el estado de los gráficos, incluidos patrones. PDF admite varios tipos de patrones. El más simple es el patrón de mosaico en el que se especifica que una obra de arte se dibuje repetidamente. Puede ser un patrón de mosaico de color, con los colores especificados en el objeto de patrón, o un patrón de mosaico sin color, que difiere la especificación del color hasta el momento en que se dibuja el patrón. A partir de PDF 1.3, también hay un patrón de sombreado, que dibuja colores que varían continuamente. Hay siete tipos de patrones de sombreado, de los cuales los más simples son el sombreado axial (Tipo 2) y el sombreado radial (Tipo 3).

Imágenes de trama

Las imágenes ráster en PDF (llamadas Image XObjects) están representadas por diccionarios con un flujo asociado. El diccionario describe las propiedades de la imagen y el flujo contiene los datos de la imagen. (Con menos frecuencia, las imágenes rasterizadas pequeñas se pueden incrustar directamente en la descripción de una página como una imagen en línea). Las imágenes generalmente se filtran con fines de compresión. Los filtros de imagen admitidos en PDF incluyen los siguientes filtros de propósito general:

• ASCII85Decode, un filtro utilizado para poner el flujo en 7 bits ASCII,
• ASCIIHexDecode, similar a ASCII85Decode pero menos compacto,
• FlateDecode, un filtro comúnmente utilizado basado en el algoritmo deflado definido en RFC 1951 (deflate también se utiliza en los formatos de archivo gzip, PNG y zip entre otros); introducido en PDF 1.2; puede utilizar uno de dos grupos de funciones predictoras para una compresión más compacta de zlib/deflate: Predictor 2 de la especificación TIFF 6.0 y predictores (filtros) de la especificación PNG (RFC 2083),
• LZWDecode, un filtro basado en la compresión LZW; puede utilizar uno de los dos grupos de funciones predictoras para una compresión LZW más compacta: Predictor 2 de la especificación TIFF 6.0 y predictores (filtros) de la especificación PNG,
• RunLengthDecode, un método de compresión simple para secuencias con datos repetitivos utilizando el algoritmo de codificación de longitud de ejecución y los filtros específicos de imagen,
• DCTDecode, un filtro perdido basado en el estándar JPEG,
• CCITTFaxDecode, un filtro bi-nivel perdido (negro/blanco) basado en el estándar de compresión de fax del Grupo 3 o Grupo 4 CCITT (UIT-T) definido en T.4 y T.6 de la UIT,
• JBIG2Decode, un filtro bi-nivel perdido o perdido (negro/blanco) basado en el estándar JBIG2, introducido en PDF 1.4, y
• JPXDecode, un filtro perdido o sin pérdida basado en el estándar JPEG 2000, introducido en PDF 1.5.

Normalmente, todo el contenido de la imagen en un PDF está incrustado en el archivo. Pero PDF permite almacenar datos de imágenes en archivos externos mediante el uso de secuencias externas o imágenes alternativas. Los subconjuntos estandarizados de PDF, incluidos PDF/A y PDF/X, prohíben estas funciones.

Texto

El texto en PDF está representado por elementos de texto en flujos de contenido de página. Un elemento de texto especifica que los caracteres deben dibujarse en ciertas posiciones. Los caracteres se especifican utilizando la codificación de un recurso de fuente seleccionado.

Un objeto de fuente en PDF es una descripción de un tipo de letra digital. Puede describir las características de un tipo de letra o puede incluir un archivo de fuente incrustado. El último caso se llama fuente incrustada mientras que el primero se llama fuente no incrustada. Los archivos de fuentes que se pueden incrustar se basan en formatos de fuentes digitales estándar ampliamente utilizados: Tipo 1 (y su variante comprimida CFF), TrueType y (a partir de PDF 1.6) OpenType. Además, PDF admite la variante Tipo 3 en la que los operadores gráficos de PDF describen los componentes de la fuente.

Catorce tipos de letra, conocidos como las 14 fuentes estándar, tienen un significado especial en los documentos PDF:

• Tiempos (v3) (en regular, itálica, atrevida y atrevida itálica)
• Courier (en oblicua, oblicua, audaz y oblicua)
• Helvetica (v3) (en oblicua regular, oblicua, audaz y oblicua)
• Signatura
• Zapf Dingbats

Estas fuentes a veces se denominan base catorce fuentes. Estas fuentes, o fuentes sustitutas adecuadas con las mismas métricas, deberían estar disponibles en la mayoría de los lectores de PDF, pero no se garantiza que estén disponibles en el lector, y es posible que solo se muestren correctamente si el sistema las tiene instaladas.. Las fuentes pueden sustituirse si no están incrustadas en un PDF.

Dentro de las cadenas de texto, los caracteres se muestran usando códigos de caracteres (enteros) que se asignan a glifos en la fuente actual usando una codificación. Hay varias codificaciones predefinidas, incluidas WinAnsi, MacRoman y muchas codificaciones para idiomas de Asia oriental y una fuente puede tener su propia codificación integrada. (Aunque las codificaciones WinAnsi y MacRoman se derivan de las propiedades históricas de los sistemas operativos Windows y Macintosh, las fuentes que usan estas codificaciones funcionan igual de bien en cualquier plataforma). PDF puede especificar una codificación predefinida para usar, la fuente está integrada en la codificación o proporcionar una tabla de búsqueda de diferencias con una codificación predefinida o incorporada (no recomendado con fuentes TrueType). Los mecanismos de codificación en PDF se diseñaron para las fuentes Type 1 y las reglas para aplicarlos a las fuentes TrueType son complejas.

Para fuentes grandes o fuentes con glifos no estándar, se utilizan las codificaciones especiales Identity-H (para escritura horizontal) e Identity-V (para vertical). Con tales fuentes, es necesario proporcionar una tabla ToUnicode si se desea conservar la información semántica sobre los caracteres.

Transparencia

El modelo de imagen original de PDF era, como el de PostScript, opaco: cada objeto dibujado en la página reemplazaba por completo todo lo que se había marcado previamente en la misma ubicación. En PDF 1.4, el modelo de imagen se amplió para permitir la transparencia. Cuando se utiliza la transparencia, los objetos nuevos interactúan con los objetos previamente marcados para producir efectos de fusión. La adición de transparencia a PDF se realizó por medio de nuevas extensiones que fueron diseñadas para ser ignoradas en productos escritos en PDF 1.3 y especificaciones anteriores. Como resultado, los archivos que usan una pequeña cantidad de transparencia pueden ser vistos aceptablemente por espectadores mayores, pero los archivos que hacen un uso extensivo de la transparencia pueden ser vistos incorrectamente por un espectador mayor.

Las extensiones de transparencia se basan en los conceptos clave de grupos de transparencia, modos de fusión, forma y alfa. El modelo está estrechamente alineado con las funciones de Adobe Illustrator versión 9. Los modos de fusión se basaron en los utilizados por Adobe Photoshop en ese momento. Cuando se publicó la especificación PDF 1.4, Adobe mantuvo en secreto las fórmulas para calcular los modos de fusión. Desde entonces han sido publicados.

El concepto de un grupo de transparencia en la especificación de PDF es independiente de las nociones existentes de "grupo" o "capa" en aplicaciones como Adobe Illustrator. Esas agrupaciones reflejan relaciones lógicas entre objetos que son significativas al editar esos objetos, pero no son parte del modelo de imagen.

Características adicionales

Estructura lógica y accesibilidad

Un "etiquetado" PDF (consulte la cláusula 14.8 en ISO 32000) incluye la estructura del documento y la información semántica para permitir la extracción y accesibilidad de texto confiable. Técnicamente hablando, el PDF etiquetado es un uso estilizado del formato que se basa en el marco de estructura lógica introducido en PDF 1.3. El PDF etiquetado define un conjunto de atributos y tipos de estructura estándar que permiten extraer y reutilizar el contenido de la página (texto, gráficos e imágenes) para otros fines.

El PDF con etiquetas no es necesario en situaciones en las que un archivo PDF está destinado únicamente a la impresión. Dado que la función es opcional, y dado que las reglas para PDF etiquetados eran relativamente vagas en ISO 32000-1, la compatibilidad con PDF etiquetados entre los dispositivos de consumo, incluida la tecnología de asistencia (AT), es desigual a partir de 2021. ISO 32000-2, sin embargo, incluye una discusión mejorada de PDF etiquetado que se prevé facilitará una mayor adopción.

Un subconjunto de PDF estandarizado por ISO específicamente dirigido a la accesibilidad, PDF/UA, se publicó por primera vez en 2012.

Grupos de contenido opcionales (capas)

Con la introducción de la versión PDF, 1.5 (2003) surgió el concepto de Capas. Las capas, o como se les conoce más formalmente, los Grupos de contenido opcional (OCG), se refieren a secciones de contenido en un documento PDF que los autores o lectores del documento pueden ver u ocultar de forma selectiva. Esta capacidad es útil en dibujos CAD, ilustraciones en capas, mapas, documentos en varios idiomas, etc.

Básicamente, consiste en un diccionario de propiedades de contenido opcional agregado a la raíz del documento. Este diccionario contiene una serie de Grupos de contenido opcional (OCG), cada uno de los cuales describe un conjunto de información y cada uno de los cuales se puede mostrar o suprimir individualmente, además de un conjunto de Diccionarios de configuración de contenido opcional, que dan el estado (Mostrado o Suprimido) del OCG dados.

Cifrado y firmas

Un archivo PDF puede estar encriptado, por seguridad, en cuyo caso se necesita una contraseña para ver o editar el contenido. PDF 2.0 define el cifrado AES de 256 bits como estándar para los archivos PDF 2.0. PDF Reference también define formas en que terceros pueden definir sus propios sistemas de encriptación para PDF.

Los archivos PDF se pueden firmar digitalmente para proporcionar una autenticación segura; Los detalles completos sobre la implementación de firmas digitales en PDF se proporcionan en ISO 32000-2.

Los archivos PDF también pueden contener restricciones DRM integradas que brindan controles adicionales que limitan la copia, edición o impresión. Estas restricciones dependen de que el software del lector las obedezca, por lo que la seguridad que brindan es limitada.

La seguridad estándar proporcionada por PDF consta de dos métodos diferentes y dos contraseñas diferentes: una contraseña de usuario, que encripta el archivo y evita que se abra, y una contraseña de propietario, que especifica las operaciones que deben restringirse incluso cuando el documento está descifrado, lo que puede incluir modificar, imprimir o copiar texto y gráficos del documento, o agregar o modificar notas de texto y campos de AcroForm. La contraseña de usuario encripta el archivo, mientras que la contraseña de propietario no lo hace, sino que depende del software del cliente para respetar estas restricciones. Una contraseña de propietario puede eliminarse fácilmente mediante software, incluidos algunos servicios en línea gratuitos. Por lo tanto, las restricciones de uso que el autor de un documento impone a un documento PDF no son seguras y no pueden garantizarse una vez que se distribuye el archivo; esta advertencia se muestra cuando se aplican dichas restricciones utilizando el software Adobe Acrobat para crear o editar archivos PDF.

Incluso sin eliminar la contraseña, la mayoría de los lectores de PDF gratuitos o de código abierto ignoran el permiso "protecciones" y permitir que el usuario imprima o haga copias de extractos del texto como si el documento no estuviera limitado por la protección con contraseña.

A partir de PDF 1.5, las firmas de derechos de uso (UR) se utilizan para habilitar funciones interactivas adicionales que no están disponibles de forma predeterminada en una aplicación de visor de PDF en particular. La firma se utiliza para validar que los permisos han sido otorgados por una autoridad otorgante de buena fe. Por ejemplo, se puede utilizar para permitir a un usuario:

• Para guardar el documento PDF junto con una forma modificada y/o datos de anotación
• Importar archivos de datos de formularios en formatos FDF, XFDF y texto (CSV/TSV)
• Exportar archivos de datos de formularios en formatos FDF y XFDF
• Presentar datos de formularios
• Instantiate nuevas páginas de plantillas de página
• Aplicar una firma digital al campo de formulario de firma digital existente
• Crear, eliminar, modificar, copiar, importar y exportar anotaciones

Por ejemplo, Adobe Systems otorga permisos para habilitar funciones adicionales en Adobe Reader mediante criptografía de clave pública. Adobe Reader verifica que la firma utilice un certificado de una autoridad de certificación autorizada por Adobe. Cualquier aplicación PDF puede utilizar este mismo mecanismo para sus propios fines.

Bajo circunstancias específicas, incluidos los sistemas no parcheados del receptor, la información que ve el receptor de un documento firmado digitalmente puede ser manipulada por el remitente después de que el firmante haya firmado el documento.

PAdES (Firmas electrónicas avanzadas de PDF) es un conjunto de restricciones y extensiones para PDF e ISO 32000-1 que lo hacen adecuado para firmas electrónicas avanzadas. Esto está publicado por ETSI como TS 102 778.

Archivos adjuntos

Los archivos PDF pueden tener archivos adjuntos a los que los procesadores pueden acceder y abrir o guardar en un sistema de archivos local.

Metadatos

Los archivos PDF pueden contener dos tipos de metadatos. El primero es el Diccionario de información del documento, un conjunto de campos clave/valor como autor, título, tema, fechas de creación y actualización. Esto es opcional y se hace referencia desde la tecla Info en el avance del archivo. Se define un pequeño conjunto de campos y se puede ampliar con valores de texto adicionales si es necesario. Este método está obsoleto en PDF 2.0.

En PDF 1.4, se agregó soporte para flujos de metadatos, utilizando la plataforma de metadatos extensibles (XMP) para agregar metadatos extensibles basados en estándares XML como se usa en otros formatos de archivo. PDF 2.0 permite adjuntar metadatos a cualquier objeto del documento, como información sobre ilustraciones, fuentes e imágenes incrustadas, así como todo el documento (adjuntar al catálogo de documentos), utilizando un esquema extensible.

Los documentos PDF también pueden contener configuraciones de visualización, incluido el diseño de visualización de la página y el nivel de zoom en un objeto de preferencias del visor. Adobe Reader utiliza esta configuración para anular la configuración predeterminada del usuario al abrir el documento. El Adobe Reader gratuito no puede eliminar estas configuraciones.

Accesibilidad

Los archivos PDF se pueden crear específicamente para que sean accesibles para personas con discapacidades. Los formatos de archivo PDF en uso a partir de 2014 pueden incluir etiquetas, equivalentes de texto, subtítulos, descripciones de audio y más. Algunos programas pueden producir automáticamente archivos PDF etiquetados, pero esta característica no siempre está habilitada de forma predeterminada. Los principales lectores de pantalla, incluidos JAWS, Window-Eyes, Hal y Kurzweil 1000 y 3000, pueden leer PDF etiquetados. Además, los archivos PDF etiquetados se pueden redistribuir y ampliar para lectores con discapacidades visuales. Agregar etiquetas a archivos PDF más antiguos y aquellos que se generan a partir de documentos escaneados puede presentar algunos desafíos.

Uno de los desafíos importantes con la accesibilidad de PDF es que los documentos PDF tienen tres vistas distintas que, dependiendo de la creación del documento, pueden ser inconsistentes entre sí. Las tres vistas son (i) la vista física, (ii) la vista de etiquetas y (iii) la vista de contenido. La vista física se muestra e imprime (lo que la mayoría de la gente considera un documento PDF). La vista de etiquetas es lo que usan los lectores de pantalla y otras tecnologías de asistencia para brindar una experiencia de navegación y lectura de alta calidad a los usuarios con discapacidades. La vista de contenido se basa en el orden físico de los objetos dentro del flujo de contenido del PDF y puede mostrarse mediante un software que no es totalmente compatible con las etiquetas. vista, como la función Reflujo en Adobe's Reader.

PDF/UA, el estándar internacional para PDF accesible basado en ISO 32000-1, se publicó por primera vez como ISO 14289–1 en 2012 y establece un lenguaje normativo para la tecnología de PDF accesible.

Multimedia

Rich Media PDF es un archivo PDF que incluye contenido interactivo que se puede incrustar o vincular dentro del archivo. Puede contener imágenes, audio, contenido de video o botones. Por ejemplo, si el PDF interactivo es un catálogo digital para una empresa de comercio electrónico, los productos se pueden enumerar en las páginas del PDF, se pueden agregar imágenes, enlaces al sitio web y botones para ordenar directamente desde allí.

Formularios

Formularios interactivos es un mecanismo para agregar formularios al formato de archivo PDF. Actualmente, PDF admite dos métodos diferentes para integrar datos y formularios PDF. Ambos formatos hoy coexisten en la especificación PDF:

• AcroForms (también conocido como formas Acrobat), introducido en la especificación de formato PDF 1.2 e incluido en todas las especificaciones PDF posteriores.
• Formularios XML Forms Architecture (XFA), introducidos en la especificación de formato PDF 1.5. Adobe XFA Forms no son compatibles con AcroForms. XFA fue deprecatado de PDF con PDF 2.0.

AcroForms se introdujo en el formato PDF 1.2. AcroForms permite el uso de objetos (por ejemplo, cuadros de texto, botones de radio, etc.) y algunos códigos (por ejemplo, JavaScript). Junto con los tipos de acción de PDF estándar, los formularios interactivos (AcroForms) admiten el envío, el restablecimiento y la importación de datos. El "enviar" action transmite los nombres y valores de los campos de formulario interactivo seleccionados a un localizador uniforme de recursos (URL) especificado. Los nombres y valores de los campos de formulario interactivo se pueden enviar en cualquiera de los siguientes formatos (dependiendo de la configuración de los indicadores ExportFormat, SubmitPDF y XFDF de la acción):

HTML Formato

HTML 4.01 Especificación desde PDF 1.5; HTML 2.0 desde 1.2

Formato de datos de formularios (FDF)

basado en PDF, utiliza la misma sintaxis y tiene esencialmente la misma estructura de archivos, pero es mucho más simple que PDF ya que el cuerpo de un documento FDF consiste en sólo un objeto requerido. Formato de datos de formularios se define en la especificación PDF (desde PDF 1.2). El formato de datos de formularios se puede utilizar al enviar datos de formularios a un servidor, recibir la respuesta e incorporarlo en el formulario interactivo. También se puede utilizar para exportar datos de formularios a archivos independientes que se pueden importar de nuevo en el formulario interactivo PDF correspondiente. FDF was originally defined in 1996 as part of ISO 32000-2:2017.

Formato de datos de formas XML (XFDF)

(external XML Forms Data Format Specification, versión 2.0; soportada desde PDF 1.5; sustituyó el formato de presentación de formularios "XML" definido en PDF 1.4) la versión XML del Formato de Datos de Formularios, pero el XFDF implementa sólo un subconjunto de FDF que contiene formularios y anotaciones. Algunas entradas en el diccionario FDF no tienen equivalentes XFDF, como el Estado, codificación, JavaScript, claves de página, FDF embedded, diferencias y Meta. Además, XFDF no permite el desove o adición de nuevas páginas basadas en los datos dados; como se puede hacer al utilizar un archivo FDF. La especificación XFDF se hace referencia (pero no se incluye) en la especificación PDF 1.5 (y en versiones posteriores). Se describe por separado en XML Formas Especificación del formato de datos. La especificación PDF 1.4 permitió presentaciones de formularios en formato XML, pero esto fue reemplazado por presentaciones en formato XFDF en la especificación PDF 1.5. XFDF se ajusta al estándar XML. XFDF se puede utilizar de la misma manera que FDF; por ejemplo, los datos de formulario se envían a un servidor, se hacen modificaciones, se envían de nuevo y los nuevos datos de formulario se importan en forma interactiva. También se puede utilizar para exportar datos de formularios a archivos independientes que se pueden importar de nuevo en el formulario interactivo PDF correspondiente. En agosto de 2019, XFDF 3.0 es un estándar ISO/IEC bajo el nombre formal ISO 19444-1:2019 - Gestión de documentos — XML Forms Data Format — Parte 1: Uso de ISO 32000-2 (XFDF 3.0). Esta norma es una referencia normativa de ISO 32000-2.

PDF

Se puede enviar el documento completo en lugar de campos y valores individuales, como se definió en PDF 1.4.

AcroForms puede mantener los valores de campo de formulario en archivos independientes externos que contienen pares clave-valor. Los archivos externos pueden utilizar archivos de formato de datos de formularios (FDF) y formato de datos de formularios XML (XFDF). Las firmas de derechos de uso (UR) definen derechos para importar archivos de datos de formulario en formatos FDF, XFDF y texto (CSV/TSV), y exportar archivos de datos de formulario en formatos FDF y XFDF.

En PDF 1.5, Adobe Systems introdujo un formato propietario para formularios; Arquitectura de formularios XML de Adobe (XFA). Adobe XFA Forms no es compatible con la función AcroForms de ISO 32000 y la mayoría de los procesadores de PDF no manejan contenido XFA. Se hace referencia a la especificación XFA de ISO 32000-1/PDF 1.7 como una especificación propietaria externa, y quedó completamente obsoleta de PDF con ISO 32000-2 (PDF 2.0).

Licencias

Cualquiera puede crear aplicaciones que puedan leer y escribir archivos PDF sin tener que pagar regalías a Adobe Systems; Adobe tiene patentes de PDF, pero las licencia para su uso libre de regalías en el desarrollo de software que cumpla con su especificación de PDF.

Seguridad

En noviembre de 2019, investigadores de la Ruhr University Bochum y Hackmanit GmbH publicaron ataques contra archivos PDF firmados digitalmente. Mostraron cómo cambiar el contenido visible en un PDF firmado sin invalidar la firma en 21 de 22 visores de PDF de escritorio y 6 de 8 servicios de validación en línea al abusar de las fallas de implementación. En la misma conferencia, también mostraron cómo filtrar el texto sin formato del contenido cifrado en archivos PDF. En 2021, mostraron nuevos llamados ataques en la sombra en archivos PDF que abusan de la flexibilidad de las funciones proporcionadas en la especificación. Jens Müller presentó una descripción general de los problemas de seguridad en los archivos PDF relacionados con la denegación de servicio, la divulgación de información, la manipulación de datos y los ataques de ejecución de código arbitrario.

Los archivos adjuntos en PDF que contenían virus se descubrieron por primera vez en 2001. El virus, llamado OUTLOOK.PDFWorm o Peachy, usa Microsoft Outlook para enviarse como un archivo PDF de Adobe adjunto. Se activó con Adobe Acrobat, pero no con Acrobat Reader.

De vez en cuando, se descubren nuevas vulnerabilidades en varias versiones de Adobe Reader, lo que lleva a la empresa a realizar correcciones de seguridad. Otros lectores de PDF también son susceptibles. Un factor agravante es que un lector de PDF se puede configurar para que se inicie automáticamente si una página web tiene un archivo PDF incrustado, lo que proporciona un vector de ataque. Si una página web maliciosa contiene un archivo PDF infectado que aprovecha una vulnerabilidad en el lector de PDF, el sistema puede verse comprometido incluso si el navegador es seguro. Algunas de estas vulnerabilidades son el resultado del estándar PDF que permite que los documentos PDF se integren con JavaScript. Deshabilitar la ejecución de JavaScript en el lector de PDF puede ayudar a mitigar dichas vulnerabilidades futuras, aunque no protege contra vulnerabilidades en otras partes del software de visualización de PDF. Los expertos en seguridad dicen que JavaScript no es esencial para un lector de PDF y que el beneficio de seguridad que proviene de deshabilitar JavaScript supera cualquier problema de compatibilidad causado. Una forma de evitar las vulnerabilidades de los archivos PDF es hacer que un servicio local o web convierta los archivos a otro formato antes de verlos.

El 30 de marzo de 2010, el investigador de seguridad Didier Stevens informó sobre una explotación de Adobe Reader y Foxit Reader que ejecuta un ejecutable malicioso si el usuario lo permite cuando se le solicita.

Software

Espectadoras y editoras

Los visores de PDF generalmente se proporcionan de forma gratuita y muchas versiones están disponibles en una variedad de fuentes.

Existen muchas opciones de software para crear archivos PDF, incluidas las funciones de impresión de PDF integradas en macOS, iOS y la mayoría de las distribuciones de Linux, LibreOffice, Microsoft Office 2007 (si se actualiza a SP2) y versiones posteriores, WordPerfect 9, Scribus, numerosas funciones de impresión de PDF. controladores para Microsoft Windows, el sistema de composición tipográfica pdfTeX, las herramientas DocBook PDF, aplicaciones desarrolladas alrededor de Ghostscript y el propio Adobe Acrobat, así como Adobe InDesign, Adobe FrameMaker, Adobe Illustrator, Adobe Photoshop. El paquete de oficina en línea de Google, Google Docs, permite cargar y guardar en PDF. Algunas aplicaciones web ofrecen herramientas gratuitas de edición y anotación de PDF.

La Free Software Foundation alguna vez consideró como uno de sus proyectos de alta prioridad el "desarrollar un conjunto gratuito, de alta calidad y completamente funcional de bibliotecas y programas que implementen el formato de archivo PDF y las tecnologías asociadas a la norma ISO. 32000 estándar." Sin embargo, en 2011, el proyecto GNU PDF se eliminó de la lista de "proyectos de alta prioridad" debido a la maduración de la biblioteca Poppler, que ha disfrutado de un uso más amplio en aplicaciones como Evince con el entorno de escritorio GNOME. Poppler se basa en la base de código Xpdf. También hay bibliotecas de desarrollo comercial disponibles que se enumeran en la Lista de software PDF.

El proyecto Apache PDFBox de Apache Software Foundation es una biblioteca Java de código abierto para trabajar con documentos PDF. PDFBox tiene licencia de Apache License.

Impresión

Los procesadores de imágenes de trama (RIP) se utilizan para convertir archivos PDF en un formato de trama adecuado para imágenes en papel y otros medios en impresoras, prensas de producción digital y preimpresión en un proceso conocido como rasterización. Los RIP capaces de procesar PDF directamente incluyen Adobe PDF Print Engine de Adobe Systems y Jaws y Harlequin RIP de Global Graphics.

En 1993, el procesador de imágenes ráster Jaws de Global Graphics se convirtió en el primer RIP de preimpresión que interpretó PDF de forma nativa sin conversión a otro formato. La empresa lanzó una actualización de su Harlequin RIP con la misma capacidad en 1997.

Agfa-Gevaert presentó y envió Apogee, el primer sistema de flujo de trabajo de preimpresión basado en PDF, en 1997.

Muchas imprentas offset comerciales han aceptado el envío de archivos PDF listos para imprimir como fuente de impresión, específicamente el subconjunto PDF/X-1a y variaciones del mismo. El envío de archivos PDF listos para imprimir reemplaza la problemática necesidad de recibir archivos de trabajo nativos recopilados.

En 2006, PDF fue ampliamente aceptado como el formato de trabajo de impresión estándar en la Cumbre de impresión de Open Source Development Labs. Es compatible como formato de trabajo de impresión con Common Unix Printing System y los proyectos de aplicaciones de escritorio como GNOME, KDE, Firefox, Thunderbird, LibreOffice y OpenOffice han cambiado para emitir trabajos de impresión en PDF.

Algunas impresoras de escritorio también admiten la impresión directa de PDF, que puede interpretar datos PDF sin ayuda externa.

Modelo de visualización nativo

Se seleccionó PDF como "nativo" formato de metarchivo para Mac OS X, reemplazando el formato PICT del Mac OS clásico anterior. El modelo de imágenes de la capa de gráficos de Quartz se basa en el modelo común para Display PostScript y PDF, lo que lleva al apodo Display PDF. La aplicación Vista previa puede mostrar archivos PDF, al igual que la versión 2.0 y posteriores del navegador web Safari. La compatibilidad a nivel de sistema con PDF permite que las aplicaciones de Mac OS X creen documentos PDF automáticamente, siempre que admitan la arquitectura de impresión estándar del sistema operativo. Luego, los archivos se exportan en formato PDF 1.3 de acuerdo con el encabezado del archivo. Al tomar una captura de pantalla en las versiones 10.0 a 10.3 de Mac OS X, la imagen también se capturó como PDF; las versiones posteriores guardan las capturas de pantalla como un archivo PNG, aunque este comportamiento se puede volver a establecer en PDF si se desea.

Anotación

Adobe Acrobat es un ejemplo de software patentado que permite al usuario anotar, resaltar y agregar notas a archivos PDF ya creados. Una aplicación UNIX disponible como software libre (bajo la Licencia Pública General GNU) es PDFedit. El software gratuito Foxit Reader, disponible para Microsoft Windows, macOS y Linux, permite anotar documentos. PDF-XChange Viewer de Tracker Software permite anotaciones y marcas sin restricciones en su alternativa gratuita. El visor de PDF integrado de macOS de Apple, Preview, también permite anotaciones al igual que el software de código abierto Skim, y este último admite la interacción con LaTeX, SyncTeX y PDFSync y la integración con el software de gestión de referencias BibDesk. Freeware Qiqqa puede crear un informe de anotaciones que resuma todas las anotaciones y notas que uno ha hecho en su biblioteca de archivos PDF. La Herramienta de verificación de texto exporta las diferencias en los documentos como anotaciones y marcas.

También existen sistemas de anotación web que admiten la anotación en pdf y otros formatos de documentos. En los casos en que se espera que los archivos PDF tengan todas las funciones de los documentos en papel, se requiere la anotación en tinta.

Alternativas

La especificación de papel Open XML es un formato de la competencia que se utiliza como lenguaje de descripción de página y como formato nativo de cola de impresión para Microsoft Windows desde Windows Vista.

Objeto mixto: la arquitectura de contenido del documento es un formato competitivo. MO:DCA-P es parte de la presentación de funciones avanzadas.