Extraer páginas de un PDF a otro archivo

Cómo extraer páginas de un PDF a un archivo aparte

Un informe de ochenta hojas contiene las cuatro que necesitas, las de la tabla de cálculo. Un contrato contiene un anexo, un manual contiene un capítulo. La petición se parece siempre, pero la herramienta tiene dos modos de salida y un ajuste que rehace el formato de las páginas sin avisar.

Extraer o eliminar: una misma tarea desde dos lados

El mismo resultado sale de dos herramientas, y elegir entre ellas es aritmética, no significado.

extract-pages construye un documento nuevo con las páginas marcadas. remove-pages mantiene el documento como documento y le quita lo que sobra.

La regla es corta: si necesitas pocas y descartarías muchas, extrae. Si es al revés, elimina. Marcar cuatro páginas va más rápido que marcar setenta y seis.

Hay además una diferencia de fondo. La extracción siempre produce un archivo nuevo, la elección correcta cuando lo extraído viajará como adjunto aparte. La eliminación conserva el documento de origen entero, y se elige cuando el resultado debe seguir siendo el mismo papel, solo que más corto.

Dos modos de salida

El primero viene por defecto. El segundo devuelve un archivo comprimido incluso cuando se extrae una sola página, así que descomprimir entra siempre en el trato.

El modo por página conviene elegirlo para un encargo concreto y no por si acaso: mandar a cada firmante su propia hoja, subir páginas de una en una a un sistema que solo acepta archivos de una página, o archivar un lote de solicitudes escaneadas en carpetas. En cualquier otra situación un documento único es más cómodo de abrir, de adjuntar y de revisar.

Los nombres de los archivos del ZIP conservan los números originales

Este detalle se pasa por alto con facilidad, y resuelve el problema principal de la extracción página a página: saber después qué vino de dónde.

Los archivos dentro del ZIP llevan el número de página del documento de origen, no su posición en la selección. Extraer las páginas 2, 5 y 6 da un archivo con `page_002.pdf`, `page_005.pdf` y `page_006.pdf`. Ninguna renumeración desde uno, ningún `part_1` ni `part_2`.

El valor de eso es directo: los nombres nunca pierden el vínculo con el original. Un mes después, mirando `page_047.pdf` en una carpeta compartida, todavía puedes decir qué hoja de qué documento era. El número va rellenado a tres cifras, así que los archivos se ordenan por nombre correctamente hasta 999 páginas.

Cómo extraer las hojas que necesitas

1. Abre extract-pages y sube el documento. 2. Marca las páginas en la rejilla de vistas previas o escribe los números. 3. Elige el modo de salida: un documento o un ZIP con archivos separados. 4. Deja activada la conservación del tamaño de página salvo que estés seguro. 5. Lanza el procesamiento y descarga el resultado. 6. Abre el resultado y comprueba que atrapaste las hojas correctas: el número impreso en una página y su posición en el archivo casi nunca coinciden.

El orden de las páginas es siempre el del documento

Las marcas de la rejilla no recuerdan el orden en que las pulsaste, y el campo de texto no fija un orden. La selección se ordena de menor a mayor antes de enviarse, así que `5,2,4` significa lo mismo que `2,4,5`.

Es un reparto de tareas y no un descuido. La extracción escoge páginas; reorganizarlas es cosa de organize-pdf, donde el orden se fija arrastrando miniaturas.

Si la tarea es escoger y además reordenar, hazlo en dos pasos: primero extrae lo que necesitas, luego ponlo en orden.

Qué hace desactivar la conservación del tamaño

El interruptor de tamaño de página viene activado, y con él cada página viaja al archivo nuevo tal cual, con su ancho, su alto y su orientación.

Desactivado, lleva todas las páginas extraídas a un mismo formato. Ese formato no sale de un ajuste ni de la página más frecuente: sale de la primera página de la selección. Las demás se encajan dentro entera, con las proporciones intactas y centradas, así que nada se estira y en su lugar aparecen márgenes alrededor.

Probado sobre un documento cuya tercera página es apaisada mientras el resto son verticales. Seleccionar las páginas 3, 1 y 2 con el interruptor desactivado dio tres páginas apaisadas: la primera de la selección impuso el formato a todas.

De ahí la regla: al normalizar un documento a un tamaño único, vigila qué página va primera en la selección. Equivocarse no rompe el contenido, pero tumba de lado el resultado entero.

El interruptor conviene dejarlo activado casi siempre. Desactivarlo se gana su sitio cuando el resultado va a imprenta o a un sistema que rechaza documentos de formatos mezclados.

Qué viaja junto con las páginas

Las páginas extraídas no se vuelven a dibujar: el texto sigue siendo texto, los enlaces siguen siendo enlaces y la calidad de imagen no cambia. Al archivo nuevo solo pasa aquello a lo que esas páginas se refieren, así que el peso sale más o menos proporcional. En un documento de 20 páginas y 10 KB, extraer las cinco primeras dio 3 KB, y extraer una página dio poco más de un kilobyte.

La salvedad afecta al modo por página. Una fuente o un logotipo usado en todas las páginas aterriza en cada archivo del ZIP con su propia copia, así que la suma de los tamaños de todas las partes puede superar notablemente al original.

Las propiedades del documento se trasladan del origen sin cambios. El título y el autor de un anexo extraído serán los del contrato grande del que salió. Si el archivo sale al exterior, conviene arreglarlo con set-pdf-metadata.

El índice se traslada con los números recalculados: las entradas que apuntan a páginas extraídas sobreviven y señalan sus nuevas posiciones, el resto se descarta. En el modo página a página cada página viaja como documento propio, y ya no queda estructura dentro.

Límites y negativas

Los números de página se escriben separados por comas y los intervalos con guion: `2,5,9-12`. El análisis es estricto, y cualquier inexactitud detiene la tarea entera en vez de ejecutarla a medias. Un número más allá del final del documento, un intervalo invertido como `10-3`, un cero al principio de la cuenta: todo eso son negativas con explicación.

La selección total está limitada a veinte mil páginas. El trabajo corriente nunca llega ahí; existe contra entradas como `1-99999` repetidas varias veces.

Un documento con contraseña de apertura no se puede procesar: quita la protección con unlock-pdf y vuelve. Una contraseña que solo limita la impresión o la copia no estorba.

Una última palabra sobre la elección de herramienta. Si el documento hay que partirlo por tamaño en vez de escoger hojas sueltas, eso es split-pdf. Si lo extraído tiene luego que unirse a otra cosa, eso es merge-pdf.