WordArt, clipart e calendários: as partes difíceis dos arquivos Publisher
Extrair o texto de um arquivo Publisher é um problema resolvido. Várias ferramentas conseguem fazer isso. O que separa uma conversão que você realmente usaria de uma que você fecha educadamente é todo o resto: os detalhes decorativos, trabalhosos, extremamente-2003, que fazem o documento parecer ele mesmo.
É onde passamos a maior parte do último ano. Um tour pelos piores casos:
WordArt
O título em arco acima do panfleto da venda de bolos. Texto dobrado em círculo completo ao redor de um logo. O WordArt do Publisher vai muito além de negrito e colorido: cada predefinição distorce as letras ao longo de sua própria geometria, e errar é muito visível. A maioria dos conversores desiste e renderiza o texto plano, transformando um cartaz de volta num memorando.
Nosso renderizador reproduz as formas, incluindo as predefinições circulares e em anel onde os glifos precisam marchar ao redor de uma curva, um por um. Isso levou uma quantidade constrangedora de tentativa e erro para acertar. Valeu a pena. Uma fração surpreendente de arquivos .pub reais abre com WordArt, porque claro que sim; era o botão divertido.
Clipart e formatos de imagem antigos
O clipart que alguém escolheu da galeria em 2004 não é um PNG. Geralmente é um WMF ou EMF, formatos de desenho do Windows dos anos 90 que armazenam instruções ("desenhe uma linha aqui, preencha esta forma") em vez de pixels. O software moderno faz de conta que esses formatos não existem, o que explica por que informativos convertidos costumam ter retângulos brancos misteriosos onde a arte estava.
A gente renderiza. Linhas, preenchimentos, bitmaps embutidos, os sistemas de coordenadas peculiares, as imagens que estão secretamente giradas um quarto de volta. Se o seu informativo de 2006 tinha um peru de desenho animado, o peru sobrevive.
Tabelas, especialmente calendários
O assistente de calendários do Publisher construía uma tabela. Assim como o modelo de tabela de preços e a caixa de "horário de funcionamento". Tabelas parecem fáceis e não são: cada célula pode ter suas próprias bordas, preenchimentos e alinhamento, algumas células têm fundo escuro com texto claro invertido, e algumas tabelas executam o texto verticalmente. Perca uma borda e um calendário deixa de parecer um calendário.
O motor lê a estrutura da tabela diretamente do arquivo: larguras das colunas, alturas das linhas, bordas por aresta, preenchimentos das células, e o fluxo de texto dentro de cada célula, inclusive o tipo vertical.
Gradientes, texturas e efeitos de imagem
O degradê suave atrás de um título, a foto desbotada usada como fundo, a sombra sob uma caixa de texto. Esses efeitos são armazenados como pequenas receitas no arquivo, e cada um precisou ser decodificado e reproduzido. Quando são perdidos, as páginas não quebram exatamente. Elas simplesmente ficam planas e cinzas, e a pessoa que fez o arquivo percebe na hora.
Por que se dar ao trabalho com tudo isso
Porque quem está convertendo um arquivo .pub não está convertendo uma estrutura de dados. Está convertendo o informativo que fez quando o filho estava na terceira série, e dá pra perceber quando ele volta errado.
O Publisher em si continua sendo o único software que renderiza esses arquivos perfeitamente, e está de saída. Nossa meta é ser um segundo bem próximo, e testamos contra dezenas de milhares de documentos reais para nos manter nesse padrão. Quando algo ainda sai errado, aquele arquivo vira um relatório de bug e, geralmente, uma correção.
Experimente algo com formatação difícil e veja. A prévia é grátis.