MarginaGet Margina
Artículos

Publicado

Qué hace una tabla de contenidos y por qué algunos PDF no la tienen

El panel lateral que te permite saltar de capítulo en capítulo no forma parte de las páginas de un PDF: es una estructura aparte y opcional que algunos archivos tienen y otros simplemente no. Esto es lo que la genera, por qué los escaneos casi nunca la tienen y cómo EPUB evita el problema exigiéndola desde el principio.

Qué es realmente la tabla de contenidos de un PDF

Abres un PDF largo y hay un panel lateral que te permite avanzar capítulo a capítulo. Abres otro y no hay nada: solo la página 1 de 140, y estás por tu cuenta. Esa diferencia no tiene nada que ver con lo importante que sea el documento. Se debe a un hecho estructural sobre cómo se creó el archivo.

La página impresa de "Contenido" que tienen algunos PDF —la que aparece en la página 2 con una lista de encabezados y números de página— no es lo que hace que el panel lateral sea interactivo. Es solo contenido de la página: texto y números, dispuestos como cualquier otro párrafo, sin más función que un encabezado en la página 40. La verdadera estructura de navegación vive en otro lugar por completo: un árbol aparte de puntos de salto con nombre, cada uno apuntando a un destino dentro del documento. El framework PDFKit de Apple llama a esto el outline —una jerarquía de nodos PDFOutline, expuesta desde el outlineRoot del documento, que una app lectora recorre para construir el panel que tocas. Un PDF puede tener una página de contenido perfectamente maquetada en la página 2 y cero entradas en ese árbol. Las dos cosas no tienen por qué coincidir, porque no son lo mismo.

Como el árbol del outline es opcional a nivel del formato de archivo, el software lector tiene que tratar "sin outline" como un estado normal y esperado, no como un error. La propia guía de Apple para desarrolladores es comprobar si outlineRoot existe antes de usarlo, precisamente porque muchos PDF por lo demás perfectamente válidos simplemente no lo tienen.

Por qué algunos PDF no tienen nada

El outline no es algo que un visor de PDF genere inspeccionando el archivo terminado. Se construye antes, durante la exportación, a partir de una estructura que ya existía en el documento de origen. Escribes algo en Word o Google Docs, marcas una línea como "Encabezado 2", y esa etiqueta viaja con el archivo. Exportas a PDF y el outline se construye automáticamente a partir de esos estilos de encabezado, sin ningún paso adicional.

Por eso los escaneos casi nunca lo tienen. Una página escaneada es una imagen. No hay ningún "Encabezado 2" en la fotografía de una página —no hay ninguna estructura de origen de la que un paso de exportación pueda partir— así que no se genera nada. Si pasas el escaneo por OCR, puede que obtengas una capa de texto buscable, pero una capa de texto no es una jerarquía de encabezados. Alguien —o algo— todavía tiene que decidir qué líneas son encabezados antes de que pueda existir un outline.

Hay una capa más en esto: el sistema de estructura etiquetada de PDF —definido bajo la norma ISO 32000— añade metadatos de accesibilidad y extracción de texto sobre el diseño visual, algo aparte del árbol del outline. El soporte para el etiquetado es desigual entre las herramientas que producen PDF, así que muchos archivos en circulación no tienen ni estructura etiquetada ni outline. El patrón se mantiene en cualquier caso: que un PDF sea navegable o no depende por completo de su proceso de producción, no de su extensión, su tema o el cuidado con que se escribió.

EPUB lo resuelve de otra manera

El PDF se diseñó para preservar una página visual fija: el mismo diseño, los mismos saltos de línea, en cualquier pantalla. EPUB se construyó al revés, como contenido reajustable que se adapta al dispositivo que lo muestra. El contenido reajustable no puede apoyarse en "la página 2 tiene el contenido" como sí puede hacerlo un diseño fijo, así que la especificación de EPUB exige que toda publicación válida incluya un Documento de Navegación estandarizado con un elemento toc. Es un archivo obligatorio, no un árbol opcional: un EPUB conforme no puede simplemente carecer de su navegación como sí puede carecer un PDF de su outline.

En la práctica, eso significa que cualquier sistema de lectura de EPUB puede construir un panel de contenido coherente sin adivinar nada específico del libro, porque todo EPUB válido lleva la misma estructura predecible. Un lector de PDF no tiene esa garantía. Tiene que trabajar con lo que el archivo contenga, que a veces es todo y a veces no es nada.

Por qué importa más de lo que parece

En el teléfono, la diferencia entre "tiene outline" y "no lo tiene" es la diferencia entre tocar directamente la sección que necesitas y desplazarte con el pulgar por decenas de páginas para encontrarla. Importa más justo en los documentos donde falta con más frecuencia: archivos largos, contratos escaneados, informes extensos —consulta cómo leer un PDF largo por partes para saber qué hacer cuando no hay nada que tocar. Un memorando de dos páginas nunca iba a necesitar una tabla de contenidos. Uno de 140 páginas se beneficia enormemente.

Tampoco es solo una cuestión de comodidad. Un outline te da la forma del documento —qué contiene, cómo está organizado— antes de que te hayas comprometido a leer una sola página. Perder eso no es solo una navegación más lenta; es perder una vista previa de todo el conjunto.

Cómo lo maneja Margina

Margina lee cualquier estructura de outline que realmente tenga un PDF o un EPUB y la muestra tal cual. No inventa una tabla de contenidos donde el archivo no tiene ninguna, ni intenta adivinar tus encabezados a partir de un muro de texto sin estructura. Cuando un documento sí tiene una estructura real, eso significa navegación real por capítulos sin salir de la app. Cuando no la tiene, tu posición de lectura se recuerda igualmente justo donde la dejaste: Margina simplemente no va a fingir que un escaneo tiene una tabla de contenidos que nunca tuvo. Nada de esto requiere una cuenta; el plan gratuito lo cubre como todo lo demás, porque abrir un archivo y ver lo que realmente contiene no debería exigir registrarse en ningún sitio.

Preguntas frecuentes

¿La tabla de contenidos de un PDF es lo mismo que sus marcadores?

Sí: en un PDF, "marcadores", "outline" y "tabla de contenidos" se refieren a lo mismo: una jerarquía de puntos de salto con nombre, almacenada aparte de cualquier página de contenido impresa dentro del documento. Una app lectora convierte esa jerarquía en un panel lateral interactivo.

¿Por qué mi PDF tiene una página de contenido impresa pero no tiene outline interactivo?

Una tabla de contenidos impresa es solo contenido de página: texto y números de página dispuestos como cualquier otro párrafo. El outline interactivo es una estructura distinta que el archivo tiene o no tiene. Un documento puede tener una página de contenido perfectamente maquetada y cero entradas en su árbol de outline si lo que produjo el PDF nunca escribió una.

¿Puedo añadir una tabla de contenidos a un PDF que no la tiene?

A menudo sí, si el texto subyacente es seleccionable: un lector o editor puede permitirte marcar encabezados y construir el outline manualmente. Si el PDF es un escaneo sin capa de texto, no hay estructura de la que partir hasta pasarlo por OCR, y aun así alguien tiene que decidir qué cuenta como encabezado.

¿Por qué los documentos escaneados casi nunca tienen tabla de contenidos?

Las entradas del outline se generan a partir de los estilos de encabezado del documento de origen: los procesadores de texto registran qué texto es "Encabezado 2" frente al cuerpo del texto, y eso viaja al PDF exportado de forma automática. Una página escaneada es solo una imagen; no hay metadatos de encabezado que convertir, así que no se genera nada.

Fuentes