WordArt, clipart y calendarios: lo difícil de los archivos de Publisher
Extraer el texto de un archivo de Publisher es un problema resuelto. Varias herramientas pueden hacerlo. Lo que separa una conversión que usarías de una que cierras con educación es todo lo demás: los detalles decorativos, complicados y muy-del-año-2003 que hacen que el documento se vea como él mismo.
En esos detalles es donde hemos pasado la mayor parte del año. Un recorrido por los peores casos:
WordArt
El título en arco sobre el volante de la kermés. Texto doblado en un círculo completo alrededor de un logo. El WordArt de Publisher va mucho más allá de negrita y colores: cada preset deforma las letras según su propia geometría, y equivocarse es muy visible. La mayoría de los conversores se rinden y renderizan el texto plano, lo que convierte un cartel de nuevo en un memorando.
Nuestro renderizador reproduce las formas, incluyendo los presets circular y de anillo donde los glifos tienen que desfilar por una curva uno a uno. Esto requirió una cantidad vergonzosa de prueba y error para hacerlo bien. Valió la pena. Una fracción sorprendente de archivos .pub del mundo real comienza con WordArt, porque claro que sí; era el botón divertido.
Clipart y formatos de imagen antiguos
El clipart que alguien eligió de la galería en 2004 no es un PNG. Generalmente es un WMF o EMF, formatos de dibujo de Windows de los años 90 que almacenan instrucciones ("dibuja una línea aquí, rellena esta forma") en lugar de píxeles. El software moderno hace como si estos formatos no existieran, que es por qué los boletines convertidos suelen tener misteriosos rectángulos en blanco donde antes estaba el arte.
Nosotros los renderizamos. Líneas, rellenos, mapas de bits incrustados, los sistemas de coordenadas peculiares, las imágenes que están rotadas un cuarto de vuelta sin que se note. Si tu boletín de 2006 tenía un pavo caricaturesco, el pavo sobrevive.
Tablas, especialmente calendarios
El asistente de calendario de Publisher construía una tabla. Lo mismo hacía la plantilla de lista de precios y el recuadro de "horario comercial". Las tablas parecen fáciles y no lo son: cada celda puede tener sus propios bordes, rellenos y alineación, algunas celdas tienen fondos oscuros con texto blanco invertido, y algunas tablas muestran el texto en vertical. Pierde un solo borde y un calendario deja de parecer un calendario.
El motor lee la estructura de la tabla directamente del archivo: anchos de columna, alturas de fila, bordes por arista, rellenos de celda y el flujo de texto dentro de cada celda, incluido el tipo vertical.
Degradados, texturas y efectos de imagen
El suave degradado de color detrás de un título, la foto deslavada usada como fondo, la sombra bajo un cuadro de texto. Estos efectos se almacenan como pequeñas recetas en el archivo, y cada uno tuvo que ser descifrado y reproducido. Cuando se pierden, las páginas no se rompen exactamente. Simplemente se vuelven planas y grises, y la persona que hizo el archivo lo nota de inmediato.
Por qué molestarse con todo esto
Porque la persona que convierte un archivo .pub no está convirtiendo una estructura de datos. Está convirtiendo el boletín que hizo cuando su hijo estaba en tercero de primaria, y nota cuándo le llega mal.
Publisher sigue siendo el único software que renderiza estos archivos perfectamente, y se va. Nuestro objetivo es ser un segundo puesto cercano, y nos medimos contra decenas de miles de documentos reales para mantenernos a esa altura. Cuando algo todavía sale mal, ese archivo se convierte en un reporte de error y, generalmente, en una corrección.
Prueba algo con formato complicado y compruébalo. La vista previa es gratis.