Comment diviser un PDF et extraire des pages

Dans quels cas diviser un PDF

• Envoyer uniquement la partie utile, par exemple les deux pages d’un contrat de 48 pages qui doivent être signées.
• Formulaires de dépôt en ligne qui limitent la taille du fichier ou le nombre de pages.
• Séparer une numérisation groupée : 30 reçus passés d’un seul coup dans un scanner se retrouvent dans un seul fichier. Si chaque reçu tient sur une page, le mode « Extraire toutes les pages » donne un fichier par reçu.
• Préparer des pages pour un autre outil : l’outil PDF en JPG convertit toutes les pages dans un seul ZIP ou enregistre les pages une par une, d’un clic à chaque fois. Extraire d’abord les pages 5 à 12 d’un rapport de 80 pages donne donc un ZIP de 8 images au lieu de 80 (voir Convertir des pages PDF en JPG ou PNG).

Pour corriger l’ordre des pages ou supprimer quelques pages, consultez plutôt Comment réorganiser, faire pivoter et supprimer des pages PDF.

Deux modes, trois types de résultat

Le fichier téléchargé dépend de l’onglet choisi et du nombre de pages sélectionnées. Pour rapport.pdf :

Ainsi, 1-3, 5, 8-10 donne un seul fichier de 7 pages, et non trois. Pour obtenir des sections séparées, extrayez-les l’une après l’autre : le document reste chargé après un téléchargement, il suffit donc de saisir 1-3, de télécharger, puis de saisir 5 et de télécharger à nouveau. Chaque extraction de plusieurs pages porte le nom rapport_extracted.pdf et les navigateurs ajoutent généralement un numéro aux noms déjà utilisés : renommez donc les fichiers au fur et à mesure.

Étape par étape

1. Ouvrez Diviser un PDF et choisissez un PDF dans Choisissez un fichier PDF ou faites-le glisser ici. Si vous en déposez plusieurs, seul le premier est utilisé.
2. Patientez pendant l’affichage des miniatures de toutes les pages. Le nom, la taille et le nombre de pages du fichier apparaissent alors au-dessus des onglets, et toutes les pages sont sélectionnées au départ.
3. Dans Extraction d’une plage personnalisée, saisissez les pages dans Plage de pages (ex. 1-3, 5, 8-10) ou cliquez sur les miniatures. Le champ contient d’abord la plage complète, par exemple 1-40 : videz-le ou cliquez d’abord sur Tout désélectionner. Tout sélectionner resélectionne toutes les pages, et un compteur indique par exemple « 7 pages sur 40 sélectionnées ».
4. Vous pouvez aussi passer à Extraire toutes les pages, qui ne tient pas compte de la sélection.
5. Cliquez sur Diviser le PDF et télécharger ; Changer de fichier permet de recommencer.

Cliquer sur les miniatures réécrit le champ de plage sous une forme compacte : les pages 2, 3, 4 et 9 deviennent 2-4, 9. Les miniatures sont affichées en basse résolution : vérifiez donc le contenu dans le fichier téléchargé.

Saisir les plages de pages

Les numéros correspondent aux positions dans le fichier, à partir de 1, comme sur les pastilles placées sous les miniatures.

• Séparez les éléments par des virgules et utilisez un trait d’union pour une plage. Les espaces autour n’ont pas d’importance.
• L’ordre et les doublons n’ont pas d’importance : 8-10, 1-3, 2 donne les pages 1, 2, 3, 8, 9 et 10, dans leur ordre d’origine.
• 10-8 est lu comme « de 8 à 10 », et 38-45 dans un fichier de 40 pages s’arrête à 40. Un numéro isolé au-delà de la dernière page, ou 0, est ignoré.
• Les plages ouvertes comme 5- ou -3 sont ignorées ; écrivez 5-40.
• Seul le trait d’union simple est reconnu. Un tiret demi-cadratin collé depuis un traitement de texte, comme dans 1–3, ne sélectionne que la page 1, tout comme 1 3 et 1;3.

Les numéros imprimés diffèrent souvent des positions. Si un rapport comporte une couverture et quatre pages liminaires (i à iv) avant la page 1, la page numérotée 12 correspond à la 17e page du fichier (1 + 4 + 12). Vérifiez les miniatures en surbrillance avant de télécharger.

Pourquoi les parties peuvent peser plus lourd que l’original

Les polices et les images utilisées sur de nombreuses pages, comme une police incorporée ou le logo d’un en-tête, sont généralement stockées une seule fois dans l’original et partagées par toutes les pages. Chaque nouveau fichier a besoin de sa propre copie de toutes les ressources auxquelles ses pages font référence. pdf-lib copie ces ressources telles quelles : il ne réduit pas les polices aux seuls caractères de la page copiée et ne retire pas les entrées qu’une page déclare sans les utiliser. Une seule page peut donc emporter un sous-ensemble de police conçu pour tout le document et, dans les fichiers où toutes les pages partagent une même liste de ressources, toutes les polices et images de cette liste.

Pour notre test, nous avons créé avec ReportLab (Python) un rapport texte de 40 pages A4 (deux polices DejaVu incorporées sous forme de sous-ensembles, un logo JPEG de 900 × 240 pixels sur chaque page), puis nous l’avons divisé dans Node.js avec pdf-lib 1.17.1, la version de la bibliothèque chargée par l’outil LeedyBox, en utilisant les mêmes appels :

Un fichier de type numérisation s’est comporté différemment : dix pages A4 créées avec Pillow à partir de JPEG en niveaux de gris de 1 240 × 1 754 pixels (150 dpi) pesaient environ 2,6 Mo, et les dix pages séparées, toutes ensemble, également environ 2,6 Mo, car rien n’y est partagé. Vos chiffres seront différents, mais en résumé :

• Réduire le nombre de pages allège les numérisations à peu près proportionnellement (notre extrait de 7 pages de la numérisation pesait environ 1,8 Mo) ; les documents texte conservent une taille de base due à leurs polices et à leurs images partagées.
• Plusieurs pages réunies dans un seul fichier occupent généralement moins de place que les mêmes pages en fichiers séparés.
• L’outil stocke les PDF dans le ZIP sans les compresser : le ZIP est donc à peu près aussi volumineux que les fichiers qu’il contient.

Si un fichier reste trop volumineux, consultez Comment compresser un PDF.

Ce que les nouveaux fichiers conservent et perdent

Les pages sont copiées, et non rendues à nouveau : le texte reste sélectionnable, les images ne sont pas recompressées, et le format et la rotation des pages sont conservés. Les liens web présents sur les pages copiées sont eux aussi conservés. En revanche, ce qui appartient au document dans son ensemble n’est pas copié, et certaines fonctions des pages en dépendent :

• Les signets et les étiquettes de page (numérotation personnalisée comme i, ii, iii).
• Le titre, l’auteur et les autres propriétés du document. Les nouveaux fichiers indiquent pdf-lib comme producteur et le moment de la division comme date de création.
• Les balises d’accessibilité, c’est-à-dire la structure qu’utilisent les lecteurs d’écran pour les titres et l’ordre de lecture : même si l’original est balisé, les nouveaux fichiers ne le sont pas.
• Les liens internes, comme les entrées d’une table des matières, peuvent ne mener nulle part si leur page cible n’a pas été extraite ou s’ils utilisent une destination nommée, enregistrée au niveau du document. Les champs de formulaire peuvent ne plus être remplissables, car le formulaire auquel ils appartiennent est lui aussi défini au niveau du document.
• Une signature numérique ne reste pas valide : elle portait sur les octets exacts du fichier d’origine, si bien qu’une signature encore visible sur une page copiée ne prouve rien sur le nouveau fichier. Conservez l’original signé.

Diviser un PDF n’est pas un moyen sûr de retirer des pages sensibles

Lors d’un test avec pdf-lib 1.17.1, nous avons extrait la page 1 d’un PDF de six pages dans lequel la page 1 contenait un lien vers la page 5. Le nouveau fichier n’affichait qu’une page et un outil d’extraction de texte n’y trouvait que le texte de la page 1 ; pourtant, le contenu de la page 5 était stocké dans le fichier sous forme de données inutilisées, lisibles par toute personne qui examine la structure interne du fichier. Une table des matières ou des renvois peuvent ainsi entraîner d’autres pages dans le fichier. Le contenu masqué sur une page copiée, comme un texte caché sous un rectangle noir ou placé hors de la zone visible, est lui aussi copié. Pour des documents confidentiels, utilisez la fonction de caviardage ou de nettoyage d’un éditeur PDF, ou envoyez des images des pages créées avec PDF en JPG. Une image ne contient que l’apparence dessinée de la page, sans sa couche de texte ni ses objets masqués ; en contrepartie, le texte ne peut plus être sélectionné ni recherché.

Problèmes courants et solutions

• « … ne peut pas être lu par le navigateur ou est un PDF corrompu. » Le fichier est peut-être endommagé, ou il faut un mot de passe pour l’ouvrir ; l’outil ne propose pas de champ de mot de passe. Si vous y êtes autorisé, enregistrez une copie non protégée dans une application où vous pouvez saisir le mot de passe.
• Les miniatures s’affichent, mais la division échoue avec un message qui mentionne le chiffrement (« encrypted »). Le PDF s’ouvre sans mot de passe, mais il est chiffré : c’est ainsi que sont enregistrés les réglages d’autorisation, comme une restriction de modification ou d’impression. Les aperçus sont générés avec PDF.js, mais la division est effectuée par pdf-lib qui, de la façon dont l’outil l’appelle, refuse les fichiers chiffrés. L’outil ne supprime ni ne contourne cette protection.
• « Veuillez sélectionner au moins une page à extraire. » Aucune page valide n’est sélectionnée, par exemple après Tout désélectionner ou avec une plage ouverte.
• Mauvaises pages. Cherchez un tiret demi-cadratin, une virgule manquante ou des numéros de page imprimés.
• Lenteur avec les longs fichiers. Toutes les miniatures sont générées avant l’apparition des commandes, et la barre de progression reste à environ un cinquième jusque-là : un long fichier peut donc sembler bloqué. Le mode « Extraire toutes les pages » construit en outre chaque fichier et le ZIP en mémoire. L’outil n’impose pas lui-même de taille maximale, mais un téléphone peut échouer sur un très gros fichier là où un ordinateur s’en sort.

Avant d’envoyer les fichiers

Vérifiez le nombre de pages, la première et la dernière page ainsi que la taille de chaque fichier, et donnez-lui un nom explicite comme contrat_pages_signature.pdf. Conservez l’original. Pour réunir de nouveau des sections, utilisez Fusionner des PDF. Si l’original n’a pas de numéros de page imprimés et qu’une section extraite doit commencer, par exemple, à 31, consultez Comment ajouter des numéros de page à un PDF. La page charge PDF.js, pdf-lib et JSZip depuis leedybox.com même, mais votre fichier est lu et divisé dans votre navigateur et n’est pas envoyé à un serveur LeedyBox.

Questions fréquentes