Como juntar digitalizações em um único PDF

A digitalização em um arquivo só: juntando a pilha em um PDF

«Mande a digitalização em um arquivo só» é um pedido curto, e o que o scanner realmente produz costuma não ser isso. Um recebe vinte PDFs soltos de uma página, outro uma pasta de JPEG, um terceiro os dois misturados. Montar não é difícil, mas alguns passos vão numa ordem diferente da que parece lógica.

O que «um arquivo só» de fato exige

A exigência quase sempre significa três coisas ao mesmo tempo, e a segunda e a terceira são conferidas por uma máquina.

Primeira: um arquivo em vez de uma pilha, porque quem está do outro lado não vai organizar seus anexos. Segunda: as páginas na ordem em que estavam sobre a mesa. Terceira, muitas vezes: uma camada de texto, para que o documento seja encontrável por busca no sistema deles.

Essa terceira condição raramente é dita em voz alta, e a gente se lembra dela quando o pacote já foi recusado. Conferir é fácil: abra seu arquivo e tente selecionar uma linha de texto. Se a página inteira acender como imagem, não há camada de texto.

O que o seu scanner entregou e o que fazer com isso

Essa última linha é a mais comum e a mais incômoda. A união aceita apenas PDF: enfiar uma fotografia direto não funciona, o arquivo não passa na verificação de tipo. A ordem aqui é rígida: o jpg-to-pdf transforma as fotos em um único PDF, e só então esse PDF entra no merge-pdf junto com as outras partes.

Como montar o pacote

1. Leve tudo para PDF: as fotos ganham o próprio arquivo pelo jpg-to-pdf. 2. Abra o merge-pdf e envie todas as partes de uma vez. 3. Escolha a ordem de união: manter a ordem de envio ou ordenar por nome. 4. Confira a lista: à esquerda de cada nome há um número de posição que mostra a sequência futura. 5. Execute a união e baixe o arquivo pronto. 6. Percorra o resultado prestando atenção à primeira e à última página de cada parte.

Os nomes dos arquivos decidem mais do que parece

Ordenar por nome aqui não é simples comparação de caracteres. Os nomes são analisados levando os números em conta: `scan_2.pdf` fica antes de `scan_10.pdf` e não depois, como faria uma ordenação alfabética comum. É exatamente o caso para o qual essa ordenação foi feita, porque scanners quase sempre numeram arquivos sem zeros à esquerda.

Daí sai uma conclusão prática. Se o scanner nomeou os arquivos `img001`, `img002` e assim por diante, ordenar por nome monta o pacote corretamente sem sua ajuda. Se os nomes são heterogêneos, do tipo `contrato`, `anexo`, `ata`, ordenar por nome os coloca em ordem alfabética, o que quase certamente não é a ordem desejada. Nesse caso mantenha a ordem de envio e posicione os arquivos à mão.

Posicionar à mão funciona de duas formas. No computador o arquivo se arrasta com o mouse. No celular arrastar não funciona e são necessárias as setas para cima e para baixo ao lado do nome: a lista usa o mecanismo comum de arrastar e soltar, que não responde ao dedo.

Existe uma terceira ordenação, por tamanho, do menor para o maior. Para digitalizações ela é inútil: uma página pesa o que pesa a tinta que carrega, e isso nada diz sobre seu lugar no documento.

Um arquivo quebrado para a união inteira

Scanners e multifuncionais produzem com frequência PDFs de estrutura interna danificada: o arquivo abre num programa e se recusa em outro. O serviço prevê isso e faz uma tentativa de reparar a estrutura por conta própria antes de desistir.

Se a tentativa falha, a tarefa para por completo, e a mensagem traz o nome do arquivo específico, o nome com que você o enviou e não um identificador interno. Isso acelera bastante o diagnóstico: sabe-se qual folha redigitalizar ou o que consertar. Uma passagem dedicada pelo repair-pdf vai mais fundo do que a tentativa automática feita durante a união.

À parte disso, roda uma verificação no momento do envio. Um arquivo que não foi transferido por inteiro é recusado antes de qualquer processamento: um PDF correto traz uma marca de fim de arquivo, e a ausência dela significa transmissão interrompida. Isso costuma acontecer ao enviar de pastas na nuvem em que o arquivo ainda não sincronizou localmente. A cura é enviar de novo depois que o arquivo realmente pousou no aparelho.

Um PDF vazio, sem páginas, também para a união, de novo dizendo o nome. Esses arquivos às vezes sobrevivem a uma digitalização malsucedida e não se distinguem dos saudáveis.

Uma folha separadora entre documentos

Os parâmetros da união trazem uma chave que insere uma folha em branco entre cada dois documentos. Para um pacote de vários documentos independentes isso é cômodo: na impressão e ao folhear, vê-se onde um termina e o próximo começa.

Um detalhe: o separador toma o tamanho da página anterior. Se as partes do pacote usam formatos diferentes, o separador repete o formato da parte a que se segue. Em digitalizações uniformes ninguém nota; numa mistura de A4 com fotos de celular fica estranho.

Uma digitalização sempre pesa mais do que se espera

Vinte páginas de um scanner de escritório em cor são tranquilamente 30 a 60 MB, e fotos de celular dão mais. A união não comprime nada: empilha as páginas como estão, então o peso final é a soma das partes.

Comprima depois de unir, não antes: o compress-pdf processa o pacote inteiro numa passagem só, o que é mais rápido e mais previsível do que apertar cada parte separadamente.

Se versos em branco da digitalização frente e verso foram parar dentro do pacote, tire-os com o remove-blank-pages: cada folha dessas ocupa espaço e engorda a conta da impressão.

Duas últimas conferências antes de enviar

As rotações. O alimentador do scanner vira de vez em quando alguma folha, e no arquivo montado ela aparece de cabeça para baixo. Marque só essas páginas no rotate-pdf e gire-as: a rotação vale para as folhas selecionadas, não para o documento inteiro.

A camada de texto. Se o destinatário busca entre documentos, passe o arquivo pronto pelo ocr-pdf. O reconhecimento põe uma camada de texto invisível sobre a imagem, e a imagem da página não muda.

A ordem dessas duas operações importa mais do que aparenta. O reconhecimento trabalha sobre a imagem da página, e a compressão degrada justamente essa imagem: baixa a resolução e acrescenta artefatos ao redor das letras. Por isso reconheça antes de comprimir, não depois. A ordem inversa produz bem mais erros no texto reconhecido, sobretudo em letra miúda e em carimbos, e depois não sobra com o que corrigir.

Um pacote unido, girado, reconhecido e comprimido é justamente aquele «arquivo único» que pediram. Confira-o no mesmo tipo de programa em que o destinatário vai abri-lo: um visualizador de navegador e um leitor de desktop tratam as rotações de página de modo diferente, e essa divergência é melhor ver na própria tela.