PDF-Seiten extrahieren

Was eine extrahierte Seite mitbringt

Das Wort, das man in „ein sauberes neues Dokument“ ernst nehmen sollte, ist neu. Ihre Seiten werden in ein Dokument kopiert, das aus dem Nichts erzeugt wird. Der Seiteninhalt ist also exakt – keine erneute Komprimierung, keine Skalierung, dieselben Schriften und dieselben Bilder –, während das Drumherum auf Dokumentebene im Original schlicht nicht zum Erben da ist. Keine Gliederung, keine Seitenbeschriftungen, keine Anhänge, kein Titel oder Autor und kein Formular. Letzteres hat eine sichtbare Folge, die Sie kennen sollten, bevor Sie die Datei weitergeben: Das Widget eines ausgefüllten Feldes ist auf die Seite gezeichnet und kommt mit, die Antworten sind also noch zu sehen – das Verzeichnis, das Readern sagte, dass diese Widgets ein Formular sind, jedoch nicht. Eine extrahierte Formularseite sieht vollständig aus, lässt sich aber nicht mehr ausfüllen.

Seitenbeschriftungen sind das, worüber Leute am häufigsten stolpern. Ein Bericht, dessen Vorspann mit i, ii, iii nummeriert ist, trägt diese Beschriftungen im Dokument, nicht auf den Seiten. Extrahieren Sie Seite drei des Vorworts, erhalten Sie ein einseitiges PDF, das jeder Reader Seite 1 nennt – während die in die Gestaltung gedruckte Ziffer weiterhin iii sagt. Mit der Datei ist nichts falsch; zwei verschiedene Nummerierungssysteme stimmen einfach nicht mehr überein.

„Ein separates PDF pro Seite“ vervielfacht alles, was die Seiten gemeinsam hatten, weil jede Datei für sich vollständig sein muss. Eine Schrift-Teilmenge, die in der Quelle einmal eingebettet ist, wird in jedem einzelnen Stück erneut eingebettet, das ein Zeichen daraus verwendet, und ein Briefkopf auf allen vierzig Seiten wird vierzigmal gespeichert. Eine ZIP-Datei aus Einzelseiten ist regelmäßig insgesamt größer als das Ursprungsdokument, und bei einem langen Dokument wird sie komplett im Arbeitsspeicher aufgebaut – genau das, woran ein Smartphone hier am ehesten scheitert.

Wenn Sie etwas anderes brauchen

Seiten kommen hier immer in der Reihenfolge des Dokuments heraus. Wenn gerade die Reihenfolge wichtig ist – einen Anhang nach vorn holen oder zwei Scans ineinander verschränken –, nimmt qpdf in.pdf --pages . 9 . 1-3 . 12-14 -- out.pdf Bereiche in beliebiger Abfolge entgegen, wiederholt eine Seite so oft, wie Sie sie nennen, und behält, weil die Eingabe das Hauptdokument bleibt, die Gliederung und die Dokumentinformationen, die ein Extrahieren hier nicht behalten kann.

Um einen Bereich aus etwas wirklich Großem herauszuholen – einem tausendseitigen Scan oder einer Datei, die größer ist, als ein Browser-Tab fassen kann –, lesen sowohl qpdf als auch pdfseparate -f 5 -l 12 in.pdf page-%d.pdf von Poppler direkt von der Festplatte, statt das Dokument zuerst in den Arbeitsspeicher zu laden, und keines von beiden hat überhaupt eine Obergrenze.