Extraire des pages PDF

Ce qu'une page extraite emporte avec elle

Dans « un nouveau document propre », le mot à prendre au sérieux est nouveau. Vos pages sont copiées dans un document créé de toutes pièces : le contenu des pages est exact — sans recompression, sans redimensionnement, mêmes polices et mêmes images — mais les éléments propres au document d'origine ne sont tout simplement pas là pour être hérités. Pas de signets, pas d'étiquettes de page, pas de pièces jointes, pas de titre ni d'auteur, et pas de formulaire. Ce dernier point a une conséquence visible à connaître avant de transmettre le fichier : le widget d'un champ rempli est dessiné sur la page et suit avec elle, donc les réponses restent visibles, mais le dictionnaire qui indiquait aux lecteurs que ces widgets formaient un formulaire, lui, ne suit pas. Une page de formulaire extraite a l'air complète mais ne peut plus être remplie.

Les étiquettes de page sont ce qui surprend le plus. Un rapport dont les pages liminaires sont numérotées i, ii, iii porte ces étiquettes dans le document, pas sur les pages : extraire la page trois de la préface donne un PDF d'une page que tous les lecteurs appellent page 1 — alors que le chiffre imprimé dans le dessin indique toujours iii. Le fichier n'a rien d'anormal ; deux systèmes de numérotation ont simplement cessé de concorder.

« Un PDF distinct par page » multiplie tout ce que les pages avaient en commun, car chaque fichier doit se suffire à lui-même. Un sous-ensemble de police intégré une seule fois dans la source est intégré à nouveau dans chaque fichier qui utilise l'un de ses caractères, et un en-tête dessiné sur quarante pages est stocké quarante fois. Un ZIP de pages individuelles pèse couramment plus lourd que le document d'origine, et pour un long document il est entièrement construit en mémoire, ce qui est le plus susceptible de faire échouer un téléphone ici.

Si vous cherchez autre chose

Ici, les pages sortent toujours dans l'ordre du document. Quand l'ordre est justement l'enjeu — ramener une annexe au début, ou intercaler deux scans —, qpdf in.pdf --pages . 9 . 1-3 . 12-14 -- out.pdf prend les plages dans l'ordre où vous les écrivez, répète une page autant de fois que vous la citez, et, comme l'entrée reste le document principal, conserve les signets et les informations du document qu'une extraction ici ne peut pas garder.

Pour extraire une plage d'un fichier vraiment volumineux — un scan de mille pages, ou un fichier trop gros pour un onglet de navigateur —, qpdf comme pdfseparate -f 5 -l 12 in.pdf page-%d.pdf de Poppler lisent en flux depuis le disque au lieu de charger d'abord tout le document en mémoire, et aucun des deux n'a de taille maximale.