Converter TGZ para PDF

Um programa, uma impressora, um sistema de registros ou um destinatário pode exigir um PDF com layout fixo em vez de um arquivo compactado. Como TGZ é apenas um contêiner, a tarefa necessária é extrair seu conteúdo e converter o documento, a imagem ou o arquivo de texto relevante para PDF.

O que é o formato TGZ

TGZ combina um arquivo TAR com compactação GZIP; .tgz e .tar.gz são extensões equivalentes. Ele armazena arquivos e pastas, mas não define como eles devem ser exibidos como páginas. Softwares Linux e Unix costumam usar TGZ para pacotes de código-fonte, backups, logs, conjuntos de dados e distribuições de software.

O que é o formato PDF

PDF é um formato de documento com layout fixo que pode conter texto, imagens, fontes, links e configurações de impressão. Ele é adequado para compartilhar, imprimir e arquivar relatórios, manuais, faturas e páginas digitalizadas, pois a aparência das páginas geralmente é consistente entre sistemas operacionais. As fontes e outros recursos são preservados apenas quando estão incorporados ou disponíveis de outra forma para o visualizador de PDF, e PDF não é um substituto geral para a estrutura de diretórios de um arquivo ou para tipos de arquivos arbitrários.

Como converter o conteúdo

1. Inspecione e extraia o arquivo

Para listar os arquivos sem extraí-los no macOS ou Linux, execute:

tar -tzf package.tgz

Para extrair o arquivo, execute:

tar -xzf package.tgz

No Windows, instale o 7-Zip, clique com o botão direito no arquivo e escolha 7-Zip → Extract Here ou 7-Zip → Extract to folder. Algumas versões expõem as camadas GZIP e TAR separadamente; portanto, extraia o arquivo .tar resultante como uma segunda etapa, se necessário. Se o arquivo já contiver arquivos PDF, a extração desses arquivos conclui a tarefa; nenhuma conversão para PDF é necessária.

2. Selecione o arquivo de origem

Examine as pastas extraídas em busca de arquivos como DOCX, ODT, XLSX, PPTX, HTML, Markdown, TXT, JPG e PNG. Converta os arquivos de origem relevantes individualmente, em vez de tratar toda a árvore de diretórios como um único documento. Um TGZ que contenha código-fonte, logs ou dados não relacionados não tem um equivalente PDF único e natural.

3. Crie o PDF

Para DOCX, ODT, planilhas e apresentações, o LibreOffice oferece suporte a Windows, macOS e Linux. Abra o arquivo e escolha File → Export as PDF. Para conversão automatizada, use:

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

Substitua o nome e a extensão do arquivo de entrada conforme necessário. Fontes complexas, macros, objetos incorporados, gráficos e layouts avançados do Microsoft Office podem sofrer alterações durante a conversão.

Para Markdown, o Pandoc pode gerar um PDF quando uma instalação adequada do LaTeX estiver instalada:

pandoc README.md -o README.pdf

Para HTML ou texto simples, abra o arquivo em um navegador ou editor e escolha Print → Save as PDF. Para arquivos JPG ou PNG, use a caixa de diálogo de impressão do sistema operacional, o Preview no macOS ou um editor de imagens com exportação para PDF. Várias imagens podem ser colocadas em um único PDF, mas a ordem, o tamanho da página e a resolução das imagens devem ser configurados.

Opções de conversão online

Extraia o TGZ localmente antes de fazer qualquer upload. CloudConvert e Zamzar podem converter formatos comuns de documentos e imagens contidos no arquivo para PDF por meio de um navegador; faça upload do arquivo selecionado, escolha PDF como saída e baixe o resultado. Não faça upload de registros confidenciais, credenciais, código-fonte proprietário ou arquivos que contenham arquivos desconhecidos, a menos que os termos de retenção, processamento e exclusão do serviço sejam aceitáveis.

Limites de qualidade e compatibilidade

Instale as fontes usadas pelo documento de origem e verifique o tamanho da página, a orientação, as margens, as quebras de página, os hiperlinks, as imagens e a seleção de texto no PDF gerado. Arquivos protegidos por senha, danificados, aninhados ou parcialmente baixados devem ser desbloqueados, reparados ou extraídos no nível apropriado antes da conversão. Mantenha o TGZ original quando ele for a cópia de arquivo; um PDF pode omitir metadados, permissões, arquivos executáveis, estrutura de diretórios ou conteúdo-fonte editável.

Para páginas digitalizadas, o PDF inicial pode conter apenas imagens. Execute o OCRmyPDF nesse PDF baseado em imagens, com as dependências de OCR necessárias instaladas, para adicionar uma camada de texto pesquisável:

ocrmypdf scanned.pdf searchable.pdf