Cómo dividir un PDF y extraer páginas

Cuándo conviene dividir un PDF

• Enviar solo la parte necesaria, por ejemplo las dos páginas de un contrato de 48 que hay que firmar.
• Formularios de subida que limitan el tamaño del archivo o el número de páginas.
• Separar un escaneo por lotes: 30 recibos que pasan por el escáner de una sola vez acaban en un único archivo. Si cada recibo ocupa una página, Extraer todas las páginas te da un archivo por recibo.
• Preparar páginas para otra herramienta: PDF a JPG convierte todas las páginas en un único ZIP o guarda las páginas de una en una, con un clic por página, así que si extraes antes las páginas 5–12 de un informe de 80 páginas obtienes un ZIP de 8 imágenes en lugar de 80 (consulta Cómo convertir páginas de PDF a JPG o PNG).

Si lo que necesitas es corregir el orden de las páginas o eliminar algunas, consulta Cómo reordenar, rotar y eliminar páginas de un PDF.

Dos modos, tres tipos de resultado

Lo que descargas depende de la pestaña y de cuántas páginas haya seleccionadas. Para informe.pdf:

Así, 1-3, 5, 8-10 da un solo archivo de 7 páginas, no tres. Si quieres secciones separadas, extráelas una tras otra: el documento sigue cargado después de cada descarga, así que escribe 1-3, descarga, escribe 5 y vuelve a descargar. Todas las extracciones de varias páginas se llaman informe_extracted.pdf y los navegadores suelen añadir un número a los nombres repetidos, así que cambia el nombre de cada archivo a medida que lo descargas.

Paso a paso

1. Abre Dividir PDF y elige un PDF en Seleccione Archivo PDF o Arrastre y suelte aquí. Si sueltas varios, solo se usa el primero.
2. Espera mientras se dibujan las miniaturas de todas las páginas. Después aparecen encima de las pestañas el nombre del archivo, su tamaño y el número de páginas, y todas las páginas empiezan seleccionadas.
3. En Extracción de rango personalizado, escribe en Rango de páginas (e.g. 1-3, 5, 8-10) o haz clic en las miniaturas. El cuadro empieza con el rango completo, por ejemplo 1-40, así que bórralo o haz clic antes en Deseleccionar todo. Seleccionar todo vuelve a marcar todas las páginas, y un contador muestra, por ejemplo, «7 de 40 páginas seleccionadas».
4. O cambia a Extraer todas las páginas, que no tiene en cuenta la selección.
5. Haz clic en Dividir PDF y descargar; con Cambiar archivo vuelves a empezar.

Al hacer clic en las miniaturas, el cuadro del rango se reescribe de forma compacta: las páginas 2, 3, 4 y 9 pasan a ser 2-4, 9. Las miniaturas se dibujan a baja resolución, así que revisa el contenido en el archivo descargado.

Cómo escribir rangos de páginas

Los números son posiciones dentro del archivo, empezando por 1, como en las etiquetas que aparecen debajo de las miniaturas.

• Separa los elementos con comas y usa un guion para los rangos. Los espacios alrededor no importan.
• El orden y las repeticiones no importan: 8-10, 1-3, 2 da las páginas 1, 2, 3, 8, 9 y 10 en su orden original.
• 10-8 se interpreta como de la 8 a la 10, y 38-45 en un archivo de 40 páginas se detiene en la 40. Un número suelto mayor que la última página, o el 0, se ignora.
• Los rangos abiertos como 5- o -3 se ignoran; escribe 5-40.
• Solo cuenta el guion normal. Una semirraya pegada desde un procesador de textos, como en 1–3, selecciona solo la página 1, y lo mismo ocurre con 1 3 y 1;3.

Es frecuente que los números impresos no coincidan con las posiciones. Si un informe tiene una portada y cuatro páginas preliminares (i–iv) antes de la página 1, la página impresa 12 es la página 17 del archivo (1 + 4 + 12). Comprueba las miniaturas resaltadas antes de descargar.

Por qué las partes pueden ocupar más que el original

Las fuentes y las imágenes que aparecen en muchas páginas, como una fuente incrustada o el logotipo de un encabezado, suelen guardarse una sola vez en el original y todas las páginas las comparten. Cada archivo nuevo necesita su propia copia de todos los recursos a los que remiten sus páginas. pdf-lib copia estos recursos tal cual: no reduce las fuentes a los caracteres de la página copiada ni descarta las entradas que una página declara pero no usa. Por eso, una sola página puede llevar un subconjunto de fuente creado para todo el documento y, en los archivos en los que todas las páginas comparten una misma lista de recursos, todas las fuentes e imágenes de esa lista.

En nuestra prueba creamos con ReportLab, de Python, un informe de texto A4 de 40 páginas (con dos fuentes DejaVu incrustadas como subconjuntos y un logotipo JPEG de 900 × 240 píxeles en cada página) y lo dividimos en Node.js con pdf-lib 1.17.1, la versión de la biblioteca que carga la herramienta de LeedyBox, usando las mismas llamadas:

Un archivo similar a un escaneo se comportó de otra manera: diez páginas A4 creadas con Pillow a partir de imágenes JPEG en escala de grises de 1240 × 1754 píxeles (150 dpi) ocupaban unos 2,6 MB, y las diez páginas sueltas juntas, también unos 2,6 MB, porque no comparten nada. Tus cifras serán distintas, pero en resumen:

• Con menos páginas, los escaneos se reducen más o menos en proporción (nuestro extracto de 7 páginas del escaneo ocupaba unos 1,8 MB); los documentos de texto mantienen un tamaño base por sus fuentes e imágenes compartidas.
• Varias páginas en un solo archivo suelen ocupar menos que esas mismas páginas como archivos separados.
• La herramienta guarda los PDF en el ZIP sin comprimirlos, así que el ZIP ocupa más o menos lo mismo que los archivos que contiene.

Si un archivo sigue siendo demasiado grande, consulta Cómo comprimir un PDF.

Qué conservan y qué pierden los archivos nuevos

Las páginas se copian, no se vuelven a renderizar: el texto sigue siendo seleccionable, las imágenes no se recomprimen y se conservan el tamaño y la rotación de cada página. Los enlaces web de las páginas copiadas también se mantienen. Lo que pertenece al documento en su conjunto no se copia, y algunas funciones de las páginas dependen de ello:

• Los marcadores y las etiquetas de página (una numeración personalizada como i, ii, iii).
• El título, el autor y otras propiedades del documento. Los archivos nuevos indican pdf-lib como productor y el momento de la división como fecha de creación.
• Las etiquetas de accesibilidad, es decir, la estructura que usan los lectores de pantalla para los encabezados y el orden de lectura: aunque el original esté etiquetado, los archivos nuevos no lo están.
• Los enlaces internos, como las entradas de un índice, pueden no llevar a ninguna parte si su página de destino no se ha incluido o si usan un destino con nombre, que se guarda a nivel de documento. Los campos de formulario pueden dejar de poder rellenarse, porque el formulario al que pertenecen también se define a nivel de documento.
• Una firma digital deja de ser válida: abarcaba los bytes exactos del archivo original, así que una firma que siga viéndose en una página copiada no demuestra nada sobre el archivo nuevo. Conserva el original firmado.

Dividir no es una forma segura de quitar páginas confidenciales

En una prueba con pdf-lib 1.17.1, extrajimos la página 1 de un PDF de seis páginas en el que la página 1 enlazaba con la página 5. El archivo nuevo mostraba una sola página y un extractor de texto solo encontraba el texto de la página 1; sin embargo, el contenido de la página 5 seguía guardado dentro del archivo como datos sin usar, legibles para cualquiera que examine su estructura interna. Los índices y las referencias cruzadas pueden arrastrar páginas de esta manera. El contenido oculto en una página copiada, como un texto bajo un recuadro negro o fuera del área visible, también se copia. Para material confidencial, usa la función de censura (redaction) o de saneamiento de un editor de PDF, o envía imágenes de las páginas creadas con PDF a JPG. Una imagen solo contiene el aspecto dibujado de la página, no su capa de texto ni los objetos ocultos, aunque a cambio el texto ya no se puede seleccionar ni buscar.

Problemas habituales y soluciones

• «… es un archivo PDF que el navegador no puede leer o que está dañado.» Puede que el archivo esté dañado o que necesite una contraseña para abrirse; la herramienta no tiene campo de contraseña. Si tienes permiso para hacerlo, guarda una copia sin protección en una aplicación en la que puedas introducir la contraseña.
• Aparecen las miniaturas, pero la división falla con un mensaje sobre cifrado. El aviso empieza por «Se produjo un error al dividir el archivo PDF» y sigue con un texto en inglés que menciona «encrypted». El PDF se abre sin contraseña, pero está cifrado, pues así es como se guardan los ajustes de permisos, por ejemplo una restricción de edición o de impresión. Las vistas previas se dibujan con PDF.js, pero la división la hace pdf-lib, que, tal como lo usa la herramienta, rechaza los archivos cifrados. La herramienta no elimina ni sortea esta protección.
• «Seleccione al menos una página para extraer.» No hay ninguna selección válida, por ejemplo después de Deseleccionar todo o con un rango abierto.
• Salen páginas equivocadas. Busca una semirraya, una coma que falte o números de página impresos.
• Va lento con archivos largos. Todas las miniaturas se dibujan antes de que aparezcan los controles, y hasta entonces la barra de progreso se queda en torno a una quinta parte, así que con un archivo largo puede parecer que se ha bloqueado. Además, Extraer todas las páginas crea todos los archivos y el ZIP en la memoria. La herramienta no fija ningún límite de tamaño propio, pero un teléfono puede fallar con un archivo muy grande que un ordenador sí procesa.

Antes de enviar los archivos

Comprueba en cada archivo el número de páginas, la primera y la última página y el tamaño, y ponle un nombre descriptivo como contrato_paginas_firma.pdf. Conserva el original. Para volver a juntar secciones, usa Combinar PDF. Si el original no tiene números de página impresos y una sección extraída debe empezar, por ejemplo, en el 31, consulta Cómo añadir números de página a un PDF. La página carga PDF.js, pdf-lib y JSZip desde el propio leedybox.com, pero tu archivo se lee y se divide en tu navegador y no se envía a un servidor de LeedyBox.

Preguntas frecuentes