De functies, en wat ze doen
Elke functie wordt beschreven met haar grens erbij, zodat u vooraf weet waar een gereedschap ophoudt. Er zijn vier families: de documenten, die op een plan van pagina's werken; de afbeeldingen, die één voor één worden bewerkt; de video en haar ondertitels, waarvan de sporen worden gekopieerd en nooit opnieuw gecodeerd; en de archieven, waarvan de inhoud naar een ander archief gaat.
Eén enkel werkplan
Samenvoegen, splitsen, pagina's verwijderen, draaien, herschikken: het is vijf keer dezelfde handeling. Welke pagina's, en in welke volgorde.
U sleept erin wat u hebt (PDF's, foto's, scans), ordent en exporteert. Samenvoegen is een plan waar niets uit is gehaald; splitsen is een plan waar alleen drie pagina's van overblijven. Elke pagina wordt als miniatuur getoond, zodat u ziet wat u weghaalt.
Afbeeldingen → PDF, en PDF → afbeeldingen
Van afbeeldingen naar één PDF
Sleep uw telefoonfoto's van een bonnetje erin: ze worden de pagina's van één PDF. Daarna herschikt, draait en nummert u ze als elke andere pagina, of schuift u ze tussen twee pagina's van een contract.
Elke afbeelding wordt op een A4- of Letter-blad gecentreerd, zonder vervorming en zonder geforceerde vergroting; een kleine afbeelding blijft klein. De aanvaarde formaten zijn JPEG en PNG, de twee die een PDF zoals ze zijn kan dragen. De EXIF-gegevens van uw foto's overleven het niet: alleen de pixels worden gekopieerd, niet het toestel, niet de datum, niet de gps-coördinaten.
Afbeeldingen naar PDF omzetten
Van een PDF naar afbeeldingen
Elke pagina komt eruit als PNG of JPEG, op 72, 150 of 300 punten per inch. Vanaf twee pagina's komen de bestanden in een ZIP-archief.
De afbeeldingen worden gemaakt van het document dat u hebt samengesteld, met zijn volgorde, zijn draaiingen, zijn nummering en zijn watermerk, niet van de oorspronkelijke bestanden.
Een pagina die een afbeelding wordt, is platgeslagen: geen selecteerbare tekst meer, geen formuliervelden meer. Het is daarom nog geen zwartlakken: wat getekend is blijft leesbaar voor het oog, en dus voor een tekstherkenningsprogramma.
De paginanummers
Na samenvoegen, verwijderen en herschikken kloppen de nummers die op de originelen gedrukt staan niet meer. De nummering geldt voor het document dat u maakt, van begin tot eind, uit hoeveel bestanden het ook komt.
- De vorm: «3», «- 3 -», «3/12», «Pagina 3 van 12».
- De plaats: de negen punten van de pagina, marge inbegrepen.
- Het eerste nummer, en de eerste genummerde pagina: twee aparte instellingen. Een omslag en drie voorpagina's blijven zonder nummer, terwijl de paginering op het vierde blad bij 1 begint.
- De afwisseling voor dubbelzijdig: de nummers gaan naar de buitenrand, rechts op de oneven pagina's, links op de even. Anders verdwijnt de helft van de nummers in de vouw van een ingebonden document.
Liggende pagina's
Op een liggende tabel staat het nummer rechtop en op de juiste plek.
Het watermerk
«KOPIE», «CONCEPT», «VERTROUWELIJK: niet verspreiden». Een watermerk blijft staan als de pagina wordt gekopieerd, gefotografeerd of afgedrukt. Daarom staat het boven de inhoud, nooit eronder, en is het doorschijnend, zodat het het lezen niet belet.
Diagonaal in het midden, of als mozaïek over de hele pagina herhaald: het tweede is veel moeilijker weg te snijden. De grootte past zich aan elk blad aan, liggende bladen inbegrepen.
Het is geen beveiliging. Een watermerk is een tekening boven op een pagina; wie het erom te doen is, haalt het weg. Het is een vermelding die het document volgt als het van hand wisselt.
Tekst en afbeeldingen toevoegen
Een vermelding, een datum, een bijlagenummer, een stempel «ontvangen op», een gescande handtekening, een logo: u plaatst ze waar u wilt, op alle pagina's, op de eerste of op de laatste, met hun grootte, hun helling en hun dekking.
Dat dekt het meeste van wat men bedoelt met «een PDF bewerken»: een formulier invullen om af te drukken, paraferen, dateren, stempelen, een bijlage nummeren.
Het is geen tekstverwerker. Wij herschrijven de inhoud van een PDF niet, vervangen geen woord midden in een zin en hertypen geen alinea's: een PDF is een bevroren opmaak. Wat hier gebeurt, is een laag erbovenop leggen.
De tekst wordt geschreven met de standaardlettertypen van PDF, die het Nederlands, het Frans, het Engels en de West-Europese talen dekken. Een teken dat ze niet kennen wordt gemeld terwijl u typt, niet bij het opslaan.
Het comprimeren
Een contract van twintig pagina's tekst weegt honderd kilobyte; datzelfde contract gescand weegt veertig keer zoveel. Wat in een PDF weegt, zijn de afbeeldingen: het kopieerapparaat scant op 600 dpi en alles blijft op volle resolutie bewaard. Comprimeren verkleint ze en codeert ze opnieuw.
- Wij rasteren nooit. Van een tekstpagina afbeeldingen maken bespaart veel, maar dan is de tekst niet meer selecteerbaar noch doorzoekbaar. Hier blijft een pagina een pagina.
- Kleine afbeeldingen laten wij met rust: logo's, briefhoofden, handtekeningen. De winst is een paar bytes, het verlies is op het scherm te zien.
- Alles wat wij niet met zekerheid kunnen teruglezen laten wij staan: transparantie, CMYK, JPEG 2000, fax. Het verslag na de export zegt hoeveel afbeeldingen met rust zijn gelaten, en waarom.
Een te zwaar PDF splitsen
Vijfentwintig megabyte is de grens van bijna elke mailserver, en die grens rekent de codering mee, die een bestand een derde groter maakt. Komt het gewicht van een te fijn gescande afbeelding, dan helpt verkleinen. Is het document simpelweg lang, dan valt er niets te verkleinen: dan blijft alleen knippen over.
- Het gewicht wordt gemeten op het samengestelde document, nooit geschat: twee pagina's die een letter of een afbeelding delen, wegen niet de som van hun gewichten.
- Elk deel is een gewoon PDF, volledig, dat met een dubbelklik opengaat. Dat is het verschil met splitsen in delen van een archief, waar u alle delen nodig hebt om het eerste te lezen.
- De naam noemt de pagina's: rapport-page001-page050.pdf, dan page051-page089. Een bestand dat al onder het gevraagde gewicht blijft, komt er heel uit.
- Een pagina wordt nooit in twee geknipt. Een pagina die op zichzelf het gevraagde gewicht overschrijdt, gaat in haar eigen deel, en het scherm zegt dat.
Het opruimen: wat eruit komt en wat niet
Het geëxporteerde document wordt opnieuw opgebouwd, nooit bijgewerkt: er wordt met een lege PDF begonnen en de gewenste pagina's worden erin gekopieerd.
- Wat verwijderd is, is het echt. Een PDF die door toevoeging wordt gewijzigd, bewaart zijn vorige versies in het bestand: de pagina die u denkt te hebben weggehaald staat er nog, onder de nieuwe. Zo zijn zwartgelakte documenten na publicatie ontlakt. Hier bestaat wat niet wordt gekopieerd niet.
- De metagegevens verdwijnen: auteur, titel, producerend programma (dat vaak de naam van de werkplek draagt) en de datums, vervangen door tijdstip nul.
- De actieve inhoud wordt onschadelijk gemaakt: JavaScript in het document, acties bij het openen, bijlagen, XFA-formulieren, annotaties die een programma starten. Gewone koppelingen blijven; die werken pas na een klik.
Wat er gelezen wordt
Wij lezen de bytes van het bestand, niet de bestandsnaam en niet het opgegeven type: die worden allebei geschreven door wie het bestand stuurt. Een met een wachtwoord beveiligde pdf vraagt om zijn wachtwoord; hij wordt nooit geforceerd.
Het bijsnijden
Een opengeslagen gescand boek draagt twee centimeter grijs aan drie zijden; een gefotografeerd bonnetje staat midden op een A4. U tekent het te bewaren kader op de pagina, terwijl u ernaar kijkt, in plaats van «linkermarge: 24 mm» in te vullen. Het kader wordt bewaard als breuken van het formaat: een bestand met pagina's in A4, Letter en A3 wordt overal hetzelfde uitgesneden.
Bijsnijden kadert, het wist niet. Een PDF-pagina draagt een snijkader en lezers tonen alleen wat binnen dat kader valt, maar de inhoud erbuiten blijft in het bestand, en elke editor kan het kader op de oorspronkelijke maat terugzetten. Moet wat erbuiten valt echt weg, gebruik dan zwartlakken.
Ondertekenen, en een laag op een document leggen
Ondertekenen werkt als een afbeelding toevoegen: u sleept de foto van uw handtekening erin, plaatst haar waar u wilt en voegt de datum en de vermelding toe. Het document wordt pagina voor pagina opnieuw opgebouwd, dus de handtekening maakt deel uit van de pagina en is geen annotatie die losraakt. De EXIF-gegevens van de foto overleven het niet: niet het toestel, niet de datum, niet de gps-coördinaten.
Het is geen elektronische handtekening in de zin van de eIDAS-verordening. Niets bevestigt hier uw identiteit, niets zet een tijdstempel, niets verzegelt het document met een certificaat: het staat gelijk aan een gefotokopieerde handgeschreven handtekening. Voor een akte die een gekwalificeerde handtekening vereist hebt u een vertrouwensdienstverlener nodig, en die ontvangt uw document.
Over elkaar leggen zet een PDF boven op een andere: briefhoofd op een brief, een titelblok op veertig tekeningen, een stempel op een bijlage. De laag past zich aan het formaat van elke pagina aan zonder te vervormen, en haar dekking is instelbaar. Ze komt er altijd bovenop: een achtergrond onder de inhoud zou de pagina haar selecteerbare tekst, haar koppelingen en haar formuliervelden kosten.
Eruit halen wat in het document zit
De tekst
Alle tekst van een PDF in een .txt-bestand, met een markering per pagina, zodat «pagina 12» terug te vinden is. Pagina's zonder tekst worden als zodanig benoemd in plaats van blanco gelaten. Bij een gescand bestand zegt de eerste regel «geen van de 12 pagina's draagt uitpakbare tekst».
De tekst komt terug zoals het document hem draagt: woorden die aan het regeleinde zijn afgebroken blijven afgebroken, kolommen worden niet ontward, tabellen worden niet opnieuw opgebouwd. Een ingescande pagina draagt helemaal geen tekst: maak de scan eerst doorzoekbaar, daarna werkt de extractie op het verkregen document.
Markdown
De koppen, alinea's, lijsten, links en eenvoudige tabellen van een pdf, in een .md-bestand. De structuur wordt uit de opmaak geraden, en daarom wordt het resultaat pagina voor pagina getoond voordat het wordt opgeslagen: wat er gevonden is, wat er verwijderd is (herhaalde kopteksten en paginanummers) en welke pagina's in kolommen staan, waar de leesvolgorde waarschijnlijk niet klopt.
De tabel
Staat de tekst in kolommen, dan gaat de tabel naar een CSV-bestand dat uw rekenblad opent. De opdeling in kolommen is een gok: hij zoekt de verticale witruimtes waar niets doorheen loopt. Daarom wordt hij u getoond, pagina voor pagina, voordat er iets wordt opgeslagen. Is hij waarschijnlijk fout, dan zegt het scherm dat en telt het de regels die niet op de andere lijken.
Het gewone geval is een rekeningafschrift: drie maanden mutaties in een rekenblad krijgen.
De afbeeldingen
Niet een foto van elke pagina, dat is PDF naar afbeeldingen, maar de ingesloten afbeeldingen: de drie foto's van het schadeformulier, de scan van de bon, de grafiek in het rapport. Een JPEG komt er byte voor byte uit: het is een uitname, geen omzetting, dus er komt geen generatie verlies bij. Een afbeelding die op dertig pagina's staat, komt er één keer uit.
Alles wat niet met zekerheid teruggelezen kan worden blijft in het document: JPEG 2000, CCITT-fax, CMYK, geïndexeerd palet. Het scherm zegt hoeveel afbeeldingen dat zijn, en waarom.
De tekst uitpakken PDF naar Markdown De afbeeldingen uitpakken
Twee versies vergelijken
Twee versies van een contract, van een offerte, van een akte: het gereedschap zegt welke woorden zijn veranderd, pagina voor pagina. Beide versies blijven op uw apparaat.
De pagina's worden eerst op gelijkenis gekoppeld, nooit op plaats: anders zou één omslag die vooraan is toegevoegd de hele rest van het document herschreven doen lijken. Daarna worden de woorden van de gekoppelde pagina's vergeleken, zodat een toegevoegde komma een toegevoegde komma blijft. Ongewijzigde tekst wordt rond elke wijziging ingekort; wat veranderd is, niet.
Het verslag wordt opgeslagen als platte tekst, met de weggehaalde woorden voorafgegaan door «-» en de toegevoegde door «+». Dat is de afspraak van alle vergelijkingsgereedschappen.
Dit gereedschap vergelijkt de tekst, en niets anders: niet de afbeeldingen, niet de opmaak, niet de kleuren, niet de tabellen als tabellen. Een gescand document draagt geen uitpakbare tekst: twee scans worden dus als twee lege pagina's vergeleken, en het scherm zegt dat in plaats van twee identieke documenten aan te kondigen.
Controleren voor het versturen
Een PDF inspecteren zegt wat het bestand over zichzelf vertelt: hoeveel opslagbeurten door toevoeging erin zitten, of het tekst is of een scan, welke lettertypen niet meereizen, welke actieve inhoud het draagt, en of het elektronisch ondertekend is. Dat laatste telt, want alles wat hier vandaan komt is opnieuw opgebouwd: het gemaakte document draagt de handtekening niet meer.
De SHA-256-vingerafdruk beantwoordt een andere vraag: is het bestand dat ik heb ontvangen het bestand dat is gepubliceerd? Vierenzestig tekens zeggen het. U kunt er ook mee nagaan dat twee exports van hetzelfde plan bit voor bit identiek zijn: exporteer twee keer en vergelijk.
De afbeeldingen, de tweede familie
Dezelfde handelingen, op bestanden die u veel vaker hanteert: een foto comprimeren zodat hij per e-mail past, hem verkleinen voor een formulier dat alles boven 2 MB weigert, hem bijsnijden, hem omzetten omdat een site alleen JPEG aanvaardt. Ook hier blijft de foto op uw apparaat, of het nu een identiteitsbewijs, een rekening of een kind is.
Dertien gereedschappen: comprimeren, verkleinen, bijsnijden, omzetten tussen JPEG, PNG en WebP, draaien, een watermerk zetten, inspecteren, opschonen, zwartlakken, naar grijstinten en een contactafdruk maken. Alles loopt via de beelddecoder van de browser zelf.
De EXIF-gegevens overleven het niet. Een telefoonfoto draagt het model van het toestel, de datum, het uur en vaak de gps-coördinaten van de plek van opname. Alleen de pixels worden gekopieerd: wat hier vandaan komt zegt niet meer waar u was.
Wat wij niet doen: vergroten met kunstmatige intelligentie, een achtergrond uitknippen, een gezicht retoucheren. Die drie vragen een model van enkele tientallen megabytes dat van een server van iemand anders wordt gehaald.
RAW-bestanden van fototoestellen en HEIC's van iPhones gaan wel open, en elk heeft zijn eigen pagina, die zegt wat het kost: een RAW openen haalt het voorbeeld eruit dat het toestel heeft geschreven, byte voor byte en zonder hercodering; een HEIC omzetten decodeert en hercodeert, dus één compressiegeneratie extra, en de decoder van anderhalve megabyte wordt pas gedownload wanneer u de eerste HEIC erin sleept.
Wat niet gegarandeerd is
Het opsporen van actieve inhoud die bij het openen van een document wordt uitgevoerd, gebeurt op de ruwe bytes. Een PDF met gecomprimeerde objecten, wat het meest voorkomende geval is, kan een script voor die doorlichting verbergen. Deze waarschuwing waarschuwt, ze beschermt niet. De bescherming is dat er nooit iets van het document wordt uitgevoerd en dat de uitvoer opnieuw wordt opgebouwd, wat elke export doet.