Como extrair páginas de um PDF

Como extrair páginas de um PDF para um arquivo separado

Um relatório de oitenta folhas guarda as quatro de que você precisa, as da tabela de cálculo. Um contrato guarda um anexo, uma apostila guarda um capítulo. O pedido se parece sempre, mas a ferramenta tem dois modos de saída e um ajuste que refaz o formato das páginas sem avisar.

Extrair ou remover: uma tarefa vista de dois lados

O mesmo resultado sai de duas ferramentas, e escolher entre elas é aritmética, não sentido.

O extract-pages monta um documento novo com as páginas marcadas. O remove-pages mantém o documento como documento e joga fora o que sobra.

A regra é curta: se você precisa de poucas e descartaria muitas, extraia. Se for o contrário, remova. Marcar quatro páginas é mais rápido do que marcar setenta e seis.

Há também uma diferença de fundo. A extração sempre produz um arquivo novo, a escolha certa quando o extraído vai viajar como anexo separado. A remoção preserva o documento de origem inteiro, e é escolhida quando o resultado deve continuar sendo o mesmo papel, só que mais curto.

Dois modos de saída

O primeiro vem por padrão. O segundo devolve um arquivo compactado mesmo quando se extrai uma única página, então descompactar sempre faz parte do trato.

O modo por página se escolhe para um trabalho concreto e não por precaução: mandar a cada signatário a sua própria folha, subir páginas uma a uma para um sistema que só aceita arquivos de uma página, ou arquivar um lote de requerimentos digitalizados em pastas. Em qualquer outra situação um documento único é mais cômodo de abrir, de anexar e de conferir.

Os nomes dos arquivos no ZIP guardam os números originais

Esse detalhe passa despercebido com facilidade, e resolve o principal problema da extração página a página: saber depois o que veio de onde.

Os arquivos dentro do ZIP levam o número da página no documento de origem, e não a sua posição na seleção. Extrair as páginas 2, 5 e 6 dá um arquivo com `page_002.pdf`, `page_005.pdf` e `page_006.pdf`. Nenhuma renumeração a partir de um, nenhum `part_1` nem `part_2`.

O valor disso é direto: os nomes nunca perdem o vínculo com o original. Um mês depois, olhando `page_047.pdf` numa pasta compartilhada, ainda dá para dizer que folha de que documento ele era. O número é completado com zeros até três casas, então os arquivos se ordenam por nome corretamente até 999 páginas.

Como extrair as folhas necessárias

1. Abra o extract-pages e envie o documento. 2. Marque as páginas na grade de prévias ou digite os números. 3. Escolha o modo de saída: um documento ou um ZIP com arquivos separados. 4. Deixe ligada a preservação do tamanho da página se não tiver certeza. 5. Rode o processamento e baixe o resultado. 6. Abra o resultado e confira se pegou as folhas certas: o número impresso numa página e a posição dela no arquivo raramente coincidem.

A ordem das páginas é sempre a do documento

As marcas na grade não guardam a ordem dos cliques, e o campo de texto não define ordem. A seleção é ordenada de forma crescente antes do envio, então `5,2,4` quer dizer o mesmo que `2,4,5`.

Isso é divisão de trabalho e não descuido. A extração escolhe páginas; reorganizá-las cabe ao organize-pdf, onde a ordem se define arrastando miniaturas.

Se a tarefa é escolher e também reordenar, faça em dois passos: extraia primeiro o que precisa, depois ponha na ordem.

O que faz desligar a preservação do tamanho

A chave de tamanho da página vem ligada, e com ela cada página viaja para o arquivo novo como estava, com a sua largura, altura e orientação.

Desligada, ela leva todas as páginas extraídas a um único formato. Esse formato não vem de um ajuste nem da página mais frequente: vem da primeira página da seleção. As demais são encaixadas nela por inteiro, com proporções mantidas e centralizadas, então nada é esticado e no lugar aparecem margens ao redor.

Verificado num documento cuja terceira página é deitada e as demais em pé. Selecionar as páginas 3, 1 e 2 com a chave desligada deu três páginas deitadas: a primeira da seleção impôs o formato a todas.

Daí a regra: ao uniformizar um documento em um único tamanho, repare em qual página vem primeiro na seleção. Errar não quebra o conteúdo, mas vira o resultado inteiro de lado.

A chave se deixa ligada quase sempre. Desligá-la se justifica quando o resultado vai para a gráfica ou para um sistema que rejeita documentos de formatos misturados.

O que viaja junto com as páginas

As páginas extraídas não são redesenhadas: o texto continua texto, os links continuam links e a qualidade das imagens não muda. Para o arquivo novo passa só aquilo a que essas páginas se referem, então o peso sai mais ou menos proporcional. Num documento de 20 páginas e 10 KB, extrair as cinco primeiras deu 3 KB, e extrair uma página deu pouco mais de um kilobyte.

A ressalva vale para o modo por página. Uma fonte ou um logotipo usado em todas as páginas aterrissa em cada arquivo do ZIP com a sua própria cópia, então a soma dos tamanhos de todas as partes pode superar bastante o original.

As propriedades do documento são transportadas da origem sem mudanças. O título e o autor de um anexo extraído serão os do contrato grande de onde ele saiu. Se o arquivo vai para fora, vale corrigir isso pelo set-pdf-metadata.

O sumário é transportado com os números recalculados: as entradas que apontam para páginas extraídas sobrevivem e indicam as novas posições, as demais são descartadas. No modo página a página cada página viaja como documento próprio, e estrutura já não resta nenhuma.

Limites e recusas

Os números de página se escrevem separados por vírgulas e os intervalos com hífen: `2,5,9-12`. A análise é estrita, e qualquer imprecisão para a tarefa inteira em vez de executá-la pela metade. Um número além do fim do documento, um intervalo invertido como `10-3`, um zero no começo da contagem: tudo isso são recusas com explicação.

A seleção total é limitada a vinte mil páginas. O trabalho comum nunca chega lá; o limite existe contra entradas como `1-99999` repetidas várias vezes.

Um documento com senha de abertura não pode ser processado: remova a proteção pelo unlock-pdf e volte. Uma senha que limita apenas a impressão ou a cópia não atrapalha.

Uma última palavra sobre a escolha da ferramenta. Se o documento precisa ser partido em pedaços por tamanho em vez de ter folhas escolhidas retiradas dele, isso é o split-pdf. Se o extraído depois precisa se juntar a outra coisa, isso é o merge-pdf.