DOCX para PDF

Uma passada de diagramação, não uma captura de tela

Um .docx é um ZIP de XML: uma parte guarda o conteúdo, outra os estilos de que ele herda, outra as definições de lista, outra as imagens. Este conversor lê as quatro, resolve cada parágrafo contra sua cadeia de estilos do jeito que o Word faz e então diagrama o resultado — medindo cada palavra com métricas de fonte reais, quebrando linhas onde elas deixam de caber e começando uma página quando a linha seguinte passaria da margem inferior.

A alternativa que a maioria dos conversores de navegador adota é renderizar o documento em um canvas e colar o bitmap numa página de PDF. Dá muito menos trabalho e sempre fica aproximadamente certo, mas produz um arquivo várias vezes maior no qual nenhuma palavra pode ser selecionada, pesquisada ou lida em voz alta. Aqui cada caractere é escrito como texto.

O que vem junto

Texto

Negrito, itálico, sublinhado, tachado, cor e tamanho de fonte por trecho.

Estrutura

Títulos de nível 1 a 6, venham de um nome de estilo ou de um nível de tópicos.

Listas

Marcadores e numeração, incluindo níveis aninhados, letras e algarismos romanos, e os reinícios que o documento pedir.

Diagramação

Alinhamento à esquerda, centralizado, à direita e justificado, recuos de primeira linha e deslocados, paradas de tabulação e espaçamento entre parágrafos.

Tabelas

Grades de células com bordas, colunas mescladas e linhas de cabeçalho repetidas.

Figuras

Imagens PNG e JPEG no tamanho definido pelo documento.

A página

Tamanho da página, orientação e as quatro margens, a não ser que você as substitua na barra de ferramentas.

E o que não vem

• Cabeçalhos, rodapés e notas de rodapé. Eles exigem um motor de diagramação que reserve espaço fora do fluxo de texto e consiga colocar conteúdo ali depois que o fluxo está definido. Este tem uma única coluna e nenhum conceito desse tipo.
• Caixas de texto e formas flutuantes. Tudo que está ancorado a uma posição em vez de estar no fluxo fica de fora, em vez de ser jogado em algum lugar plausível e errado.
• Escritas não latinas. As fontes embutidas em todo leitor de PDF cobrem o Latin-1 e nada além disso. Caracteres fora dessa faixa viram pontos de interrogação, e a conversão informa exatamente quantos e quais.
• Paridade página a página. Onde uma página quebra é decisão deste conversor. O conteúdo está completo; a paginação é dele.

Perguntas frequentes

Meu documento do Word é enviado para algum lugar?

Não. O .docx é descompactado, lido e diagramado como PDF dentro da sua própria aba. Nada sai do dispositivo, e essa é a principal razão para usar isto em vez de um conversor que te manda um link por e-mail — um contrato, um holerite ou um rascunho nunca vira arquivo de outra pessoa.

O PDF vai ficar exatamente igual ao que o Word exporta?

Parecido, não idêntico. Títulos, negrito e itálico, cor, alinhamento, recuos, listas com marcadores e numeradas, tabelas, imagens, tamanho de página e margens vêm junto, e as quebras de linha caem em lugares sensatos. O que não vem: cabeçalhos e rodapés, notas de rodapé, caixas de texto, formas flutuantes, colunas e numeração de páginas. Onde uma página quebra é decidido pela diagramação deste conversor, então nem sempre bate página a página com o Word.

O texto do PDF é selecionável?

É. Cada caractere é escrito como texto real com uma fonte real, então o resultado pode ser pesquisado, copiado, indexado e lido em voz alta. Conversores que fotografam cada página produzem um arquivo bem maior em que nada disso funciona.

Quais fontes o PDF usa?

As três famílias embutidas em todo leitor de PDF: Times, Helvetica e Courier. Cada trecho é mapeado para a mais próxima da fonte que o documento indicava, então um documento em Calibri vira Helvetica e um em Cambria vira Times. Nada é incorporado, o que mantém o arquivo pequeno e faz com que ele abra igual em qualquer lugar.

E texto em chinês, japonês, árabe ou cirílico?

Esses não sobrevivem. As fontes embutidas do PDF cobrem apenas a faixa Latin-1, então qualquer caractere fora dela é substituído por um ponto de interrogação e reportado ao fim da conversão. Idiomas de escrita latina, incluindo o português, o inglês e todas as línguas da Europa Ocidental, são convertidos por completo.

Ele abre um arquivo .doc?

Não. O antigo formato .doc é binário e não tem nada em comum com o .docx, que é um ZIP de XML. Abra o arquivo no Word, no LibreOffice ou no Google Docs e salve primeiro como .docx.