Come dividere un PDF ed estrarre le pagine

Quando conviene dividere un PDF

• Inviare solo la parte che serve, ad esempio le due pagine da firmare di un contratto di 48 pagine.
• Moduli di caricamento che limitano le dimensioni del file o il numero di pagine.
• Separare una scansione in blocco: 30 ricevute passate nello scanner in un’unica volta finiscono in un solo file. Se ogni ricevuta occupa una pagina, con «Estrai tutte le pagine» ottieni un file per ricevuta.
• Preparare le pagine per un altro strumento: lo strumento Da PDF a JPG converte tutte le pagine in un unico ZIP oppure le salva una alla volta, con un clic per pagina. Se estrai prima le pagine 5–12 di un report di 80 pagine, ottieni uno ZIP con 8 immagini invece di 80 (vedi Convertire le pagine PDF in JPG o PNG).

Per correggere l’ordine delle pagine o eliminarne alcune, consulta invece Come riordinare, ruotare ed eliminare le pagine di un PDF.

Due modalità, tre tipi di risultato

Che cosa scarichi dipende dalla scheda scelta e dal numero di pagine selezionate. Ecco cosa succede con report.pdf:

Quindi 1-3, 5, 8-10 produce un solo file di 7 pagine, non tre file. Per ottenere sezioni separate, estraile una dopo l’altra: dopo il download il documento resta caricato, quindi puoi inserire 1-3, scaricare, inserire 5 e scaricare di nuovo. Ogni estrazione di più pagine si chiama report_extracted.pdf e di solito i browser aggiungono un numero ai nomi ripetuti, perciò rinomina i file man mano.

Passo dopo passo

1. Apri Dividi PDF e scegli un PDF in Scegli il file PDF o trascinalo qui. Se ne trascini più di uno, viene usato solo il primo.
2. Attendi che vengano disegnate le miniature di tutte le pagine. A quel punto sopra le schede compaiono il nome del file, le dimensioni e il numero di pagine, e all’inizio tutte le pagine risultano selezionate.
3. Nella scheda Estrazione intervallo personalizzato, scrivi nel campo Intervallo pagine (es. 1-3, 5, 8-10) oppure fai clic sulle miniature. Il campo contiene già l’intervallo completo, ad esempio 1-40, quindi prima svuotalo o fai clic su Deseleziona tutto. Seleziona tutto riseleziona tutte le pagine, e un contatore mostra, ad esempio, «7 di 40 pagine selezionate».
4. In alternativa passa alla scheda Estrai tutte le pagine, che ignora la selezione.
5. Fai clic su Dividi PDF e scarica; con Cambia file ricominci da capo.

Quando fai clic sulle miniature, il campo dell’intervallo viene riscritto in forma compatta: le pagine 2, 3, 4 e 9 diventano 2-4, 9. Le miniature sono disegnate a bassa risoluzione, quindi controlla il contenuto nel file scaricato.

Come scrivere gli intervalli di pagine

I numeri indicano la posizione della pagina nel file, a partire da 1, come quelli riportati sotto le miniature.

• Separa le voci con una virgola e usa il trattino per gli intervalli. Gli spazi prima e dopo non contano.
• Ordine e ripetizioni non contano: 8-10, 1-3, 2 restituisce le pagine 1, 2, 3, 8, 9, 10 nel loro ordine originale.
• 10-8 viene letto come da 8 a 10, e in un file di 40 pagine 38-45 si ferma a 40. Un numero singolo oltre l’ultima pagina, oppure lo 0, viene ignorato.
• Gli intervalli aperti come 5- o -3 vengono ignorati: scrivi 5-40.
• Vale solo il trattino semplice (-). Un trattino medio (–) incollato da un programma di videoscrittura, come in 1–3, seleziona solo la pagina 1, e lo stesso vale per 1 3 e 1;3.

Spesso i numeri stampati sulle pagine non coincidono con le posizioni nel file. Se un report ha una copertina e quattro pagine introduttive (i–iv) prima di pagina 1, la pagina stampata come 12 è la pagina 17 del file (1 + 4 + 12). Controlla le miniature evidenziate prima di scaricare.

Perché le parti possono pesare più dell’originale

Font e immagini usati in molte pagine, come un font incorporato o il logo dell’intestazione, di solito sono memorizzati una sola volta nell’originale e condivisi da tutte le pagine. Ogni nuovo file ha invece bisogno di una propria copia di tutte le risorse a cui rimandano le sue pagine. pdf-lib copia queste risorse così come sono: non riduce i font ai soli caratteri presenti nella pagina copiata e non elimina le voci che una pagina elenca senza usarle. Una singola pagina può quindi portarsi dietro un sottoinsieme di font creato per l’intero documento e, nei file in cui tutte le pagine condividono un unico elenco di risorse, tutti i font e tutte le immagini di quell’elenco.

Nel nostro test abbiamo creato con ReportLab, in Python, un report di testo A4 di 40 pagine (due font DejaVu incorporati come sottoinsiemi e un logo JPEG di 900 × 240 pixel su ogni pagina) e lo abbiamo diviso in Node.js con pdf-lib 1.17.1, la versione della libreria caricata dallo strumento di LeedyBox, usando le stesse chiamate:

Un file simile a una scansione si è comportato in modo diverso: dieci pagine A4 create con Pillow da JPEG in scala di grigi di 1.240 × 1.754 pixel (150 dpi) pesavano circa 2,6 MB, e le dieci pagine singole insieme pesavano anch’esse circa 2,6 MB, perché non c’è nulla di condiviso. I tuoi numeri saranno diversi, ma in sintesi:

• Con meno pagine, le scansioni si riducono più o meno in proporzione (il nostro estratto di 7 pagine della scansione pesava circa 1,8 MB), mentre i documenti di testo mantengono un peso di base dovuto ai font e alle immagini condivise.
• Più pagine in un unico file occupano di solito meno spazio delle stesse pagine salvate come file separati.
• Lo strumento salva i PDF nello ZIP senza comprimerli, quindi lo ZIP pesa più o meno quanto i file che contiene.

Se un file è ancora troppo grande, consulta Come comprimere un PDF.

Che cosa conservano e che cosa perdono i nuovi file

Le pagine vengono copiate, non renderizzate di nuovo: il testo resta selezionabile, le immagini non vengono ricompresse e formato e rotazione delle pagine restano invariati. Anche i link web presenti nelle pagine copiate vengono mantenuti. Ciò che appartiene al documento nel suo insieme, invece, non viene copiato, e alcune funzioni delle pagine dipendono proprio da questo:

• Segnalibri ed etichette di pagina (numerazioni personalizzate come i, ii, iii).
• Titolo, autore e altre proprietà del documento. I nuovi file riportano pdf-lib come produttore del PDF e il momento della divisione come data di creazione.
• Tag di accessibilità, cioè la struttura che gli screen reader usano per titoli e ordine di lettura: anche se l’originale è taggato, i nuovi file non lo sono.
• I link interni, come le voci di un indice, potrebbero non portare da nessuna parte se la pagina di destinazione non è stata estratta o se usano una destinazione con nome, che è memorizzata a livello di documento. I campi dei moduli potrebbero non essere più compilabili, perché anche il modulo a cui appartengono è definito a livello di documento.
• Una firma digitale non resta valida: copriva esattamente i byte del file originale, quindi una firma ancora visibile su una pagina copiata non dimostra nulla sul nuovo file. Conserva l’originale firmato.

Dividere un PDF non è un modo sicuro per rimuovere pagine riservate

In un test con pdf-lib 1.17.1 abbiamo estratto la pagina 1 di un PDF di sei pagine in cui la pagina 1 conteneva un link alla pagina 5. Il nuovo file mostrava una sola pagina e un estrattore di testo trovava solo il testo della pagina 1, eppure il contenuto della pagina 5 era memorizzato nel file come dati inutilizzati, leggibili da chiunque ne esamini la struttura interna. Indici e rimandi interni possono trascinare altre pagine nel file proprio in questo modo. Anche il contenuto nascosto in una pagina copiata, come un testo sotto un riquadro nero o fuori dall’area visibile, viene copiato. Per i materiali riservati, usa la funzione di oscuramento o di rimozione dei dati nascosti di un editor PDF, oppure invia immagini delle pagine create con Da PDF a JPG. Un’immagine contiene solo l’aspetto della pagina così come viene disegnata, non il livello di testo né gli oggetti nascosti; in compenso il testo non si potrà più selezionare né cercare.

Problemi comuni e soluzioni

• «… è un PDF che il browser non può leggere o che è danneggiato». Il file potrebbe essere danneggiato o richiedere una password per l’apertura, e lo strumento non ha un campo per la password. Se ti è consentito, salva una copia non protetta in un’applicazione in cui puoi inserire la password.
• Le miniature compaiono, ma la divisione non riesce con un messaggio sulla crittografia. Il messaggio riporta il testo originale della libreria, in inglese, con la parola «encrypted». Il PDF si apre senza password ma è crittografato: è così che vengono memorizzate le impostazioni di autorizzazione, come una restrizione alla modifica o alla stampa. Le anteprime sono disegnate con PDF.js, ma la divisione viene eseguita da pdf-lib, che, nel modo in cui lo strumento lo richiama, rifiuta i file crittografati. Lo strumento non rimuove né aggira questa protezione.
• «Seleziona almeno una pagina da estrarre.» Non è selezionato nulla di valido, ad esempio dopo aver usato Deseleziona tutto o con un intervallo aperto.
• Pagine sbagliate. Controlla se c’è un trattino medio, se manca una virgola o se hai usato i numeri di pagina stampati.
• Lentezza con i file lunghi. Tutte le miniature vengono disegnate prima che compaiano i comandi, e fino a quel momento la barra di avanzamento resta ferma a circa un quinto, quindi un file lungo può sembrare bloccato. «Estrai tutte le pagine», inoltre, crea in memoria tutti i file e lo ZIP. Lo strumento non impone un proprio limite di dimensione, ma un telefono potrebbe non riuscire a elaborare un file molto grande che un computer gestisce senza problemi.

Prima di inviare i file

Controlla per ogni file il numero di pagine, la prima e l’ultima pagina e le dimensioni, e dagli un nome descrittivo come contratto_pagine_firma.pdf. Conserva l’originale. Per riunire le sezioni, usa Unisci PDF. Se l’originale non ha numeri di pagina stampati e una sezione estratta deve iniziare, ad esempio, da 31, consulta Aggiungere i numeri di pagina a un PDF. La pagina carica PDF.js, pdf-lib e JSZip direttamente da leedybox.com, ma il tuo file viene letto e diviso nel browser e non viene inviato a un server di LeedyBox.

Domande frequenti