Abre un PDF, elimina algunas páginas, elimina algunas imágenes y lo guarda. El archivo debe ser más pequeño. Acabas de eliminar contenido. Pero cuando verificas el tamaño del archivo, ha aumentado. Un documento que tenía 2 megabytes antes de editarlo ahora tiene 2,3 megabytes después de sacarlo. Este comportamiento contrario a la intuición no es un error. Es una consecuencia de cómo el formato PDF gestiona los cambios incrementales y ocurre con casi todos los editores de PDF, incluidas las aplicaciones de escritorio más conocidas. Comprender por qué explica no sólo el misterio del archivo en crecimiento sino también cómo evitar que esto le suceda a sus documentos.
Cómo los editores de PDF guardan los cambios: actualizaciones incrementales frente a reescrituras completas
La elección importa más de lo que crees.
Cuando edita y guarda un PDF, la aplicación tiene dos opciones sobre cómo escribir los cambios en el disco. El primer método, llamado guardado incremental, agrega los objetos modificados al final del archivo existente sin alterar el contenido original. Las páginas, imágenes y texto originales permanecen en el archivo exactamente como estaban. Los nuevos objetos hacen referencia a los antiguos y los anulan a través de un mecanismo llamado tablas de referencias cruzadas. El segundo método, llamado reescritura completa o guardar como, lee el documento completo en la memoria, aplica todos los cambios y escribe un archivo completamente nuevo desde cero, descartando cualquier dato al que ya no se haga referencia.
La mayoría de los editores de PDF utilizan de forma predeterminada el guardado incremental por motivos de rendimiento. Agregar unos pocos kilobytes de cambios al final de un archivo lleva una fracción de segundo. Reescribir un archivo de 50 megabytes desde cero lleva mucho más tiempo, especialmente en discos duros mecánicos o recursos compartidos de red. La experiencia del usuario es mejor con los guardados incrementales: el guardado ocurre casi instantáneamente y el riesgo de corrupción debido a una escritura interrumpida es menor porque los datos originales nunca se modifican. La contrapartida es que el contenido eliminado en realidad no se elimina. Está marcado como no utilizado en la tabla de referencias cruzadas, pero permanece físicamente presente en el archivo (Adobe, 'Referencia PDF: actualizaciones incrementales y estructura del documento', 2023).
La acumulación de datos huérfanos en múltiples sesiones de edición
Cada vez que abre un PDF, realiza un cambio y realiza un guardado incremental, agrega una nueva capa de modificaciones al final del archivo. Después de diez sesiones de edición, el archivo contiene el contenido original más diez capas de cambios. Algunos de esos cambios pueden ser contradictorios. Una imagen que se agregó en la sesión tres y se eliminó en la sesión siete ocupa espacio en el archivo dos veces: una para la instrucción de adición y otra para la instrucción de eliminación. La eliminación no recupera el espacio utilizado por la adición. Solo le dice al lector de PDF que ignore esa imagen al renderizar el documento.
Esta acumulación de datos huérfanos hace crecer el archivo con cada guardado, incluso cuando el contenido visible se reduce. Eliminar una imagen grande de un PDF y guardarla gradualmente elimina la imagen de la salida renderizada, pero agrega algunos kilobytes de metadatos para registrar la eliminación. Los datos de la imagen permanecen en el archivo, sin referencia, pero consumen espacio. Durante muchos ciclos de edición, un documento que comenzó con 1 megabyte puede crecer hasta 3 o 4 megabytes, y la mitad de ese tamaño consiste en datos que ya no contribuyen al documento visible.
Tipos de datos ocultos que sobreviven a la eliminación de contenido
Más allá de las obvias imágenes y páginas huérfanas, varios tipos de datos ocultos se acumulan durante los guardados incrementales. Las fuentes incrustadas son un factor importante. Cuando edita texto en un PDF y cambia la fuente, el subconjunto de fuentes original a menudo permanece en el archivo incluso si todavía no se utiliza ningún texto visible. Un documento que ha sido reformateado tres veces con tres fuentes diferentes puede contener los tres subconjuntos de fuentes, cada uno de los cuales consume cientos de kilobytes. El lector de PDF solo utiliza el subconjunto al que se hace referencia más recientemente, pero los antiguos permanecen en los datos del archivo.
Los metadatos y las propiedades de los documentos siguen el mismo patrón. Cada guardado incremental puede actualizar la fecha de modificación y agregar nuevas entradas al flujo de metadatos del documento. Las entradas de metadatos más antiguas no se eliminan. Los elementos generales del documento, como etiquetas de páginas, destinos con nombre para enlaces internos y estructuras de marcadores, también pueden acumular entradas duplicadas u obsoletas en varios guardados. El efecto acumulativo es que un PDF que ha sido editado y guardado muchas veces conlleva una carga cada vez mayor de datos ocultos que no sirven para nada en la versión actual del documento.
Cómo recuperar el tamaño del archivo después de editarlo
La solución a la acumulación de datos huérfanos es realizar una reescritura completa del PDF, lo que la mayoría de las aplicaciones llaman Guardar como, Optimizar o Reducir el tamaño del archivo. Una reescritura completa lee el estado actual del documento, incluidas todas las actualizaciones incrementales, resuelve el contenido visible final y escribe solo ese contenido en un archivo nuevo. Las imágenes huérfanas, las fuentes no utilizadas, los metadatos obsoletos y las entradas de referencias cruzadas obsoletas se descartan porque el estado final del documento no hace referencia a ellas. El archivo resultante suele ser más pequeño que el original, especialmente si se eliminó contenido importante durante la edición.
La herramienta Edit PDF de WukongPDF procesa su documento de manera eficiente y el seguimiento de las ediciones con la función de compresión PDF File Size elimina los datos huérfanos acumulados en una sola operación. La combinación de editar y luego guardar con optimización garantiza que el archivo que comparte con otros contenga solo los datos necesarios para mostrar la versión actual del documento. Para los documentos que se editan con frecuencia, hacer que una reescritura completa forme parte de la rutina de guardado final, antes de compartirlos, archivarlos o cargarlos, evita que se acumule un aumento en el tamaño del archivo a lo largo del ciclo de vida del documento.
Prácticas preventivas para mantener los tamaños de PDF bajo control
Si edita un PDF con frecuencia, como una plantilla de informe semanal o un documento revisado en colaboración, programe una reescritura completa periódica en lugar de depender exclusivamente de guardados incrementales. Una vez al mes o después de cada décima sesión de edición, utilice Guardar como o una función de optimización equivalente para producir una copia limpia. Conserve el original hasta que verifique que la copia optimizada se abra correctamente y muestre todo el contenido como se esperaba, luego reemplace el original con la versión optimizada. Esta práctica mantiene los tamaños de archivo manejables sin sacrificar la conveniencia de realizar guardados incrementales rápidos durante las sesiones de edición activa.
Para los documentos que se archivarán a largo plazo, realice una reescritura completa como paso final antes de archivarlos. Los documentos archivados pueden permanecer durante años antes de volver a abrirse, y la estructura de actualización incremental que era conveniente durante la edición activa se convierte en un inconveniente durante el almacenamiento a largo plazo. Es menos probable que un archivo limpio con una estructura interna simple encuentre problemas de compatibilidad con futuros lectores de PDF y es más pequeño para almacenar y realizar copias de seguridad. Los pocos segundos que se necesitan para guardar una copia optimizada antes de archivarla son una inversión que vale la pena en la salud del documento a largo plazo.
Reconocer cuando el crecimiento del tamaño del archivo indica un problema más profundo
Si bien la mayoría de los casos de aumento del tamaño de un archivo PDF después de la edición se explican por guardados incrementales y datos huérfanos, un archivo que crece dramáticamente después de una pequeña edición puede indicar un problema diferente. Agregar una anotación de texto de una oración no debería aumentar el tamaño del archivo en varios megabytes. Si ve este patrón, el PDF puede contener daños estructurales que hacen que la operación de guardar duplique grandes secciones del documento sin querer. En estos casos, una reescritura completa utilizando la función Guardar como no es solo un paso de limpieza sino una reparación necesaria. Si el archivo optimizado es dramáticamente más pequeño, el original había acumulado datos ocultos sustanciales que nunca se recuperarían mediante guardados incrementales normales.
Los usuarios habituales de archivos PDF para trabajos profesionales deberían desarrollar una idea de cuál es el tamaño de archivo razonable para sus documentos típicos. Un PDF de dos páginas de solo texto debe tener menos de 100 kilobytes. Un documento de veinte páginas con imágenes incrustadas puede tener entre 2 y 5 megabytes. Cuando un archivo excede significativamente estas normas para su tipo de contenido, vale la pena investigarlo. Es posible que el archivo contenga años de datos huérfanos provenientes de guardados incrementales. Una sola pasada de Optimización de PDF a menudo puede reducir dichos archivos en un cincuenta por ciento o más, recuperando espacio de almacenamiento y mejorando el rendimiento cuando el archivo se abre, comparte o carga.
El fenómeno del creciente tamaño de los archivos enseña una lección importante sobre cómo funcionan los archivos PDF en su interior. Lo que parece ser un formato de documento simple es en realidad un contenedor complejo que puede acumular un historial oculto con cada edición. Comprender esto ayuda a explicar otros comportamientos de PDF que de otro modo podrían parecer inexplicables: por qué un PDF que muestra cuatro páginas puede contener datos de seis, por qué un archivo modificado hoy puede mostrar una fecha de creación de hace tres años y por qué dos PDF que parecen idénticos pueden tener tamaños de archivo dramáticamente diferentes. El mecanismo de guardado incremental no es un defecto. Es una compensación de diseño que prioriza la velocidad de edición y la seguridad de los datos sobre la eficiencia del almacenamiento, y saber que existe esa compensación le permite administrarla intencionalmente mediante reescrituras completas periódicas que mantienen sus documentos ágiles, limpios y con el mejor rendimiento.
La próxima vez que elimine contenido de un PDF y observe cómo el tamaño del archivo aumenta en lugar de disminuir, sabrá exactamente lo que está sucediendo. Los datos huérfanos de su edición se agregaron al archivo y una reescritura completa los borrará. Lo que antes era un misterio técnico confuso se convierte en una tarea de mantenimiento de rutina.