Convertir TGZ a PDF

Un programa, una impresora, un sistema de registros o un destinatario pueden requerir un PDF de diseño fijo en lugar de un archivo comprimido. Debido a que TGZ solo es un contenedor, la tarea necesaria es extraer su contenido y convertir el documento, la imagen o el archivo de texto correspondiente a PDF.

Qué es el formato TGZ

TGZ combina un archivo TAR con compresión GZIP; .tgz y .tar.gz son extensiones equivalentes. Almacena archivos y carpetas, pero no define cómo deben mostrarse como páginas. El software de Linux y Unix suele utilizar TGZ para paquetes de código fuente, copias de seguridad, registros, conjuntos de datos y distribuciones de software.

Qué es el formato PDF

PDF es un formato de documento de diseño fijo que puede contener texto, imágenes, fuentes, enlaces y configuraciones de impresión. Es adecuado para compartir, imprimir y archivar informes, manuales, facturas y páginas escaneadas, porque la apariencia de las páginas suele ser uniforme en distintos sistemas operativos. Las fuentes y otros recursos solo se conservan cuando están incrustados o disponibles de otro modo para el visor de PDF, y PDF no es un sustituto general de la estructura de directorios de un archivo ni de tipos de archivo arbitrarios.

Cómo convertir el contenido

1. Inspeccionar y extraer el archivo

Para enumerar los archivos sin extraerlos en macOS o Linux, ejecute:

tar -tzf package.tgz

Para extraer el archivo, ejecute:

tar -xzf package.tgz

En Windows, instale 7-Zip, haga clic con el botón derecho en el archivo y elija 7-Zip → Extract Here o 7-Zip → Extract to folder. Algunas versiones muestran las capas GZIP y TAR por separado, por lo que, si es necesario, extraiga el archivo .tar resultante como segundo paso. Si el archivo ya contiene archivos PDF, extraerlos completa la tarea; no es necesario realizar ninguna conversión a PDF.

2. Seleccionar el archivo de origen

Examine las carpetas extraídas en busca de archivos como DOCX, ODT, XLSX, PPTX, HTML, Markdown, TXT, JPG y PNG. Convierta los archivos de origen relevantes individualmente en lugar de tratar todo el árbol de directorios como un solo documento. Un TGZ que contiene código fuente, registros o datos no relacionados no tiene un equivalente PDF único y natural.

3. Crear el PDF

Para DOCX, ODT, hojas de cálculo y presentaciones, LibreOffice es compatible con Windows, macOS y Linux. Abra el archivo y elija File → Export as PDF. Para la conversión automatizada, use:

soffice --headless --convert-to pdf --outdir output extracted-file.docx

Reemplace el nombre y la extensión del archivo de entrada según sea necesario. Las fuentes complejas, las macros, los objetos incrustados, los gráficos y el diseño avanzado de Microsoft Office pueden cambiar durante la conversión.

Para Markdown, Pandoc puede generar un PDF cuando hay instalada una instalación adecuada de LaTeX:

pandoc README.md -o README.pdf

Para HTML o texto sin formato, abra el archivo en un navegador o editor y elija Print → Save as PDF. Para archivos JPG o PNG, utilice el cuadro de diálogo de impresión del sistema operativo, Preview en macOS o un editor de imágenes con exportación a PDF. Se pueden colocar varias imágenes en un solo PDF, pero deben configurarse su orden, tamaño de página y resolución de imagen.

Opciones de conversión en línea

Extraiga el TGZ localmente antes de cargar cualquier archivo. CloudConvert y Zamzar pueden convertir formatos comunes de documentos e imágenes contenidos en PDF mediante un navegador; cargue el archivo seleccionado, elija PDF como formato de salida y descargue el resultado. No cargue registros confidenciales, credenciales, código fuente propietario ni archivos que contengan archivos desconocidos, a menos que las condiciones de conservación, procesamiento y eliminación del servicio sean aceptables.

Limitaciones de calidad y compatibilidad

Instale las fuentes utilizadas por el documento de origen y compruebe el tamaño de página, la orientación, los márgenes, los saltos de página, los hipervínculos, las imágenes y la selección de texto del PDF generado. Los archivos protegidos con contraseña, dañados, anidados o descargados parcialmente deben desbloquearse, repararse o extraerse en el nivel adecuado antes de la conversión. Conserve el TGZ original cuando sea la copia de archivo; un PDF puede omitir metadatos, permisos, archivos ejecutables, estructura de directorios o contenido de origen editable.

En el caso de páginas escaneadas, el PDF inicial puede contener únicamente imágenes. Ejecute OCRmyPDF en ese PDF basado en imágenes, con sus dependencias de OCR necesarias instaladas, para añadir una capa de texto en la que se puedan realizar búsquedas:

ocrmypdf scanned.pdf searchable.pdf