Glosario PDF

El PDF/A es una variante del PDF diseñada para garantizar que un documento siga siendo legible dentro de 10, 20 o 50 años. Todas las fuentes deben estar incrustadas, no se permite contenido externo y el archivo es autosuficiente. Existen tres familias: PDF/A-1 (la más estricta), PDF/A-2 (con transparencias y capas) y PDF/A-3 (con archivos incrustados).

En varios contextos europeos (archivos públicos, licitaciones públicas, facturas electrónicas), el PDF/A es obligatorio. En el 95 % de los casos, PDF/A-2b es suficiente.

El OCR (Optical Character Recognition) transforma una imagen que contiene texto (escaneo, foto) en datos de texto utilizables: se pueden buscar, copiar e indexar.

Los motores modernos (Tesseract 5+, Google Vision, AWS Textract) usan redes neuronales convolucionales entrenadas con decenas de millones de páginas y alcanzan más del 99,5 % de precisión en escaneos limpios en francés o inglés. Con escritura manuscrita libre, la precisión baja al 60-80 %: sigue siendo el talón de Aquiles del OCR.

El RGPD obliga a toda empresa que trate datos de ciudadanos europeos a respetar los principios de minimización y transparencia, así como el derecho de acceso y de supresión. Se aplica sea cual sea el país donde tenga su sede la empresa.

Sin embargo, cumplir el RGPD no lo resuelve todo: en cuanto los datos salen del Espacio Económico Europeo, se aplican reglas específicas (una decisión de adecuación como el Data Privacy Framework para las empresas estadounidenses certificadas, cláusulas contractuales tipo, medidas complementarias). Y un proveedor sujeto al derecho estadounidense sigue estando al alcance de la Cloud Act, dondequiera que se almacenen los datos.

La CLOUD Act (Clarifying Lawful Overseas Use of Data Act) permite a las autoridades estadounidenses, mediante un procedimiento judicial (orden o mandamiento judicial), exigir a un proveedor sujeto al derecho estadounidense —también a través de sus filiales europeas— los datos que estén en su posesión o bajo su control, aunque se almacenen fuera de Estados Unidos. El usuario afectado no tiene por qué ser informado.

En la práctica: un PDF confiado a una empresa estadounidense (por ejemplo Adobe, con sede en California), o a un servicio que depende de un proveedor estadounidense para su alojamiento, puede verse afectado. Para saber en qué situación está un servicio concreto, consulta su política de privacidad y su lista de subencargados del tratamiento. Una herramienta que procesa los archivos en el navegador, sin subirlos, no tiene nada que entregar.

El reglamento eIDAS (Electronic IDentification, Authentication and trust Services), en vigor desde 2014, armoniza la firma electrónica en Europa. Define tres niveles: firma simple (SES), avanzada (AES) y cualificada (QES).

La QES es la única estrictamente equivalente a la firma manuscrita ante la ley. Requiere un dispositivo certificado (tarjeta inteligente, identidad electrónica nacional, aplicación certificada). La SES (dibujar tu firma con el ratón) es jurídicamente válida, pero tiene poco valor probatorio: conviene reservarla para usos de poca trascendencia.

Los DPI miden la densidad de píxeles de una imagen digital o impresa. Cuantos más DPI, más detallada es la imagen, pero también más pesa el archivo.

Valores habituales: - 300 DPI: estándar de impresión profesional - 150 DPI: suficiente para leer en pantalla - 96 DPI: imperceptible a simple vista en pantalla (límite de la percepción humana)

La compresión de PDF aprovecha los DPI: reducir de 300 a 150 DPI suele dividir por 4 el peso de las imágenes, sin pérdida visible en pantalla.

Cuando un PDF incrusta una fuente, por defecto se integra la fuente completa, incluidos miles de caracteres que nunca se usan (ideogramas chinos, alfabetos cirílicos, glifos matemáticos). El subsetting conserva solo los caracteres que aparecen realmente en el documento.

Ahorro típico: de 30 a 200 KB por fuente incrustada. En un documento con 5 fuentes, eso supone 1 MB menos sin ninguna pérdida funcional. Casi todos los buenos compresores de PDF hacen subsetting automáticamente.

Factur-X (Francia) y ZUGFeRD (Alemania) son dos nombres del mismo estándar de factura electrónica. Técnicamente, una factura Factur-X es un PDF/A-3 que contiene un archivo XML incrustado en formato CII (Cross Industry Invoice).

El PDF sigue siendo legible para las personas y el XML, para los programas de contabilidad. En Francia, la factura electrónica entre empresas (B2B) se está volviendo obligatoria según un calendario de implantación progresivo, y Factur-X es uno de los formatos aceptados.

pdf-lib es una biblioteca con licencia MIT que permite crear, leer, unir, dividir y modificar PDF directamente en JavaScript, sin servidor. Es lo que permite que las herramientas de PDFly funcionen "100 % en el navegador": tus archivos no salen de tu dispositivo.

Rendimiento típico: unir 10 PDF de 5 MB tarda 2-3 segundos en un MacBook reciente. Como el documento entero se carga en memoria, un archivo muy grande puede saturar la pestaña, sobre todo en el móvil: por eso PDFly acepta archivos de hasta 100 MB y hasta 50 archivos por operación.

La sentencia Schrems II del Tribunal de Justicia de la Unión Europea (julio de 2020) invalidó el Escudo de Privacidad (Privacy Shield), el acuerdo que regulaba las transferencias de datos entre la UE y Estados Unidos. El motivo: los programas de vigilancia estadounidenses (FISA 702, EO 12333) permiten acceder a datos europeos sin vía de recurso judicial para los europeos.

Tras esta sentencia, las transferencias a Estados Unidos tuvieron que apoyarse en otras herramientas, como las cláusulas contractuales tipo (Standard Contractual Clauses), acompañadas si era necesario de medidas complementarias (cifrado, seudonimización…). Desde julio de 2023, el Data Privacy Framework vuelve a permitir las transferencias a las empresas estadounidenses certificadas; aun así, este nuevo marco sigue siendo cuestionado.

La censura de datos (redaction en inglés) consiste en ocultar definitivamente información sensible en un PDF —texto, imágenes, zonas— de forma irreversible. A diferencia de un simple rectángulo negro dibujado encima, una censura real elimina los datos del archivo de origen.

Se utiliza para: cumplir el RGPD antes de compartir un documento, publicar sentencias anonimizadas o proteger datos médicos o jurídicos. Una censura mal hecha (un simple rectángulo negro) es un riesgo grave: los datos siguen siendo accesibles copiando y pegando desde el PDF.

AES-256 (Advanced Encryption Standard, clave de 256 bits) es el algoritmo de cifrado simétrico más utilizado para proteger PDF con contraseña. Se considera imposible de romper por fuerza bruta con los ordenadores actuales.

Un PDF protegido con AES-256 solo puede abrirse con la contraseña correcta. Si la pierdes, el contenido queda inaccesible para siempre (salvo ataque de diccionario si la contraseña es débil). Elige contraseñas de 12 caracteres o más que mezclen mayúsculas, cifras y símbolos.

Un PDF etiquetado contiene una estructura lógica (títulos, párrafos, tablas, texto alternativo de las imágenes) además de su apariencia visual. Esta estructura permite a los lectores de pantalla (JAWS, NVDA, VoiceOver) recorrer el documento en orden lógico, saltarse las imágenes decorativas y leer correctamente las tablas.

Es obligatorio para cumplir las normas de accesibilidad (WCAG 2.1 AA, RGAA, EN 301 549).

Un PDF linearizado ("Fast Web View") se reorganiza para que la primera página aparezca antes de que termine la descarga del archivo. Es esencial para los PDF grandes (>10 MB) que se sirven en la web: un visitante no esperará 30 segundos a que se descargue todo.

La linearización es invisible para el usuario final, pero cambia el orden de los objetos dentro del archivo.

Los metadatos de un PDF incluyen el autor, la fecha de creación, el programa de origen, palabras clave y, a veces, la geolocalización (en PDF generados desde un móvil). Se guardan en el archivo, pero son poco visibles: se consultan en Archivo → Propiedades en un lector de PDF.

Antes de compartir un PDF, puede ser útil eliminar estos metadatos si revelan información sensible (el nombre interno de un proyecto, la versión de un programa propietario, la zona horaria de creación). Adobe Acrobat y algunas herramientas permiten "sanear" el archivo.