提取PDF页面

提取出的页面会带上什么

“全新干净文档”这句话中，值得认真对待的是全新二字。您的页面被复制到一个从零创建的文档中，因此页面内容完全一致——不重新压缩、不缩放，字体和图片都相同——但原文档的文档级附属结构根本不存在，也就无从继承。没有书签大纲、没有页码标签、没有附件、没有标题或作者，也没有表单。最后这一点有一个看得见的后果，在发送文件前最好知道：已填写字段的控件是画在页面上的，会随页面一起带过来，所以填写的答案依然可见；但告诉阅读器这些控件是表单的那部分字典信息没有带过来。提取出的表单页面看起来完整，却再也无法填写了。

页码标签最容易让人困惑。一份报告的前言部分编号为i、ii、iii，这些标签存储在文档中，而不在页面上，所以提取前言的第三页后，得到的单页PDF在每个阅读器中都显示为第1页——而页面上印着的数字仍然是iii。文件本身没有问题，只是两套不同的编号系统不再一致了。

“每页一个单独的PDF”会让页面之间共享的所有内容成倍增加，因为每个文件都必须是独立完整的。源文件中只嵌入一次的字体子集，会在每一个用到其中字符的文件里重新嵌入一次；四十页上都有的信头会被存储四十次。单页文件打包成的ZIP，总大小通常会超过原文档；而且对于长文档，ZIP完全在内存中生成，这一点最有可能让手机在这里吃不消。

如果您需要的是别的

在这里，页面始终按文档原有顺序输出。如果顺序才是关键——把附录挪到最前面，或者交错合并两份扫描件——qpdf in.pdf --pages . 9 . 1-3 . 12-14 -- out.pdf会按照您写的任意顺序读取页码范围，同一页写几次就重复几次；而且因为输入文件仍是主文档，它会保留书签大纲和文档信息，这是这里的提取做不到的。

如果要从非常大的文件中提取一个范围——上千页的扫描件，或者浏览器标签页装不下的文件——qpdf和Poppler的pdfseparate -f 5 -l 12 in.pdf page-%d.pdf都是直接从磁盘流式读取，而不是先把整个文档载入内存，而且两者都没有任何大小上限。