Eliminar páginas de PDF

Eliminar una página no es lo mismo que hacerla desaparecer

No se recorta nada de tu documento. Se arma uno nuevo con las páginas que conservaste, y esas páginas llegan byte a byte como estaban (el mismo flujo de contenido, las mismas fuentes incrustadas, los mismos cuadros y la misma rotación), con sus propias anotaciones. Lo que no llega es todo lo que pertenecía al documento y no a una página: el índice de marcadores, las etiquetas de página, los archivos adjuntos, la estructura de etiquetas que sigue un lector de pantalla, y los campos de título y autor, que el resultado no hereda de nada.

Si eliminas una página para deshacerte de lo que contiene, lee esta parte. Un enlace en una página que conservaste y que apuntaba a una página eliminada tiene que seguir apuntando a algún sitio, y para cumplirlo se arrastra una copia de esa página eliminada al nuevo archivo, como un objeto al que el árbol de páginas nunca hace referencia. Ningún lector la mostrará nunca y no se imprimirá, pero el contenido está en los bytes y cualquiera que abra el archivo con un editor de texto puede encontrarlo. Eliminar es una operación sobre la estructura del documento, no una medida de privacidad. Cuando lo que importa es que nadie vuelva a ver esas palabras, censúralas: eso sobrescribe el propio contenido.

La reducción de tamaño casi nunca es proporcional al número de páginas, por la misma razón por la que un archivo dividido pesa más de lo que esperas: las páginas comparten cosas. Quita treinta páginas de un informe de cuarenta y verás que los subconjuntos de fuentes, el membrete y el logo eran compartidos, así que viajan con las páginas que los conservaron y el archivo no baja a una cuarta parte de su tamaño. Siempre debe quedar una página: un PDF sin páginas no es un PDF válido, así que si marcas todo se rechaza en lugar de producir un archivo que no se abrirá.

Si buscas otra cosa

Para quitar páginas y conservar el índice de marcadores, las etiquetas y la información del documento, qpdf edita el documento en lugar de reconstruirlo: qpdf in.pdf --pages . 1-3,7-z -- out.pdf conserva todo excepto las páginas cuatro a seis, con el original como documento principal, así que su catálogo sobrevive. La sintaxis 7-z (de la página siete al final) es también la forma más fácil de quitar una portada desde un script sin saber cuántas páginas hay.

Para estar seguro de que una página eliminada no deja rastro, pasa el resultado por qpdf --empty --pages out.pdf 1-z -- clean.pdf, que escribe un archivo nuevo con solo lo que el árbol de páginas realmente alcanza, o reconstrúyelo con gs -sDEVICE=pdfwrite -o clean.pdf out.pdf. Los dos descartan los objetos sin referencia. Los dos son gratuitos.