Извлечь страницы из PDF

Что извлечённая страница берёт с собой

Главное слово в словах «чистый новый документ» — новый. Ваши страницы копируются в документ, созданный с нуля, поэтому содержимое страниц точное — без пересжатия, без масштабирования, те же шрифты и те же изображения, — а общие для документа элементы оригинала унаследовать просто неоткуда. Нет оглавления, меток страниц, вложений, названия и автора, нет и формы. У последнего есть видимое следствие, о котором стоит знать, прежде чем отправлять файл дальше: виджет заполненного поля нарисован на странице и переносится вместе с ней, поэтому ответы по-прежнему видны, но словарь, сообщавший программам, что эти виджеты — форма, не переносится. Извлечённая страница формы выглядит заполненной, но заполнить её больше нельзя.

На метках страниц попадаются чаще всего. Если вводная часть отчёта пронумерована i, ii, iii, эти метки хранятся в документе, а не на страницах, поэтому при извлечении третьей страницы предисловия вы получите одностраничный PDF, который любая программа называет страницей 1, — хотя цифра, напечатанная в самой странице, по-прежнему гласит iii. С файлом всё в порядке: просто две разные системы нумерации перестали совпадать.

«Отдельный PDF для каждой страницы» умножает всё, что было у страниц общего, потому что каждый файл должен быть самодостаточным. Набор шрифта, встроенный в исходник один раз, встраивается заново в каждый фрагмент, где используется хоть один его символ, а бланк, нарисованный на всех сорока страницах, хранится сорок раз. ZIP-архив отдельных страниц нередко весит больше исходного документа, а для длинного документа он целиком собирается в памяти — и именно это скорее всего не осилит телефон.

Если нужно другое

Здесь страницы всегда идут в порядке документа. Когда важен именно порядок — перенести приложение в начало или чередовать страницы двух сканов, — qpdf in.pdf --pages . 9 . 1-3 . 12-14 -- out.pdf принимает диапазоны в любой последовательности, повторяет страницу столько раз, сколько вы её укажете, а поскольку входной файл остаётся основным документом, сохраняет оглавление и сведения о документе, чего извлечение здесь сделать не может.

Чтобы вытащить диапазон из действительно большого файла — скана на тысячу страниц или файла, который не помещается во вкладку браузера, — и qpdf, и pdfseparate -f 5 -l 12 in.pdf page-%d.pdf из Poppler читают данные с диска потоком, не загружая документ целиком в память, и верхнего предела размера у них нет вовсе.