Trích xuất trang PDF

Một trang được trích xuất mang theo những gì

Từ cần chú ý trong cụm “một tài liệu mới, sạch sẽ” là mới. Các trang của bạn được sao chép vào một tài liệu tạo từ con số không, nên nội dung trang chính xác tuyệt đối — không nén lại, không thay đổi tỷ lệ, cùng phông chữ và cùng ảnh — trong khi các thành phần cấp tài liệu của file gốc đơn giản là không có ở đó để kế thừa. Không mục lục, không nhãn trang, không file đính kèm, không tiêu đề hay tác giả, và không biểu mẫu. Điều cuối cùng có một hệ quả dễ thấy mà bạn nên biết trước khi gửi file đi: widget của một trường đã điền được vẽ trên trang và đi theo trang, nên câu trả lời vẫn hiện ra, nhưng phần từ điển cho trình đọc biết các widget đó là một biểu mẫu thì không. Một trang biểu mẫu được trích xuất trông vẫn đầy đủ nhưng không thể điền được nữa.

Nhãn trang là điều hay khiến người ta bất ngờ. Một báo cáo có phần mở đầu đánh số i, ii, iii lưu các nhãn đó trong tài liệu, không phải trên trang, nên trích xuất trang ba của lời nói đầu sẽ cho bạn một file PDF một trang mà mọi trình đọc đều gọi là trang 1 — trong khi con số in trên trang vẫn ghi iii. File không có lỗi gì; chỉ là hai hệ thống đánh số khác nhau đã không còn khớp nhau.

“Mỗi trang một file PDF riêng” nhân bản mọi thứ các trang dùng chung, vì mỗi file phải tự chứa đủ mọi thứ. Một bộ phông chữ nhúng một lần trong file gốc sẽ được nhúng lại trong từng file có dùng một ký tự trong đó, và một tiêu đề thư vẽ trên cả bốn mươi trang sẽ được lưu bốn mươi lần. Một file ZIP gồm các trang đơn lẻ thường có tổng dung lượng lớn hơn tài liệu gốc, và với tài liệu dài, nó được tạo hoàn toàn trong bộ nhớ — đây là điều dễ khiến điện thoại không xử lý nổi nhất.

Khi bạn cần công cụ khác

Ở đây các trang luôn được xuất theo thứ tự trong tài liệu. Khi thứ tự mới là mục đích — đưa phụ lục lên đầu, hay xen kẽ hai bản scan — qpdf in.pdf --pages . 9 . 1-3 . 12-14 -- out.pdf nhận các dãy trang theo đúng trình tự bạn viết, lặp một trang bao nhiêu lần tùy bạn nêu, và vì file đầu vào vẫn là tài liệu chính nên nó giữ được mục lục và thông tin tài liệu mà việc trích xuất ở đây không làm được.

Để lấy một dãy trang từ một file thực sự lớn — bản scan nghìn trang, hay file lớn hơn mức một tab trình duyệt chứa nổi — cả qpdf lẫn pdfseparate -f 5 -l 12 in.pdf page-%d.pdf của Poppler đều đọc dần từ ổ đĩa thay vì nạp cả tài liệu vào bộ nhớ trước, và không cái nào có giới hạn dung lượng.