如何拆分 PDF 并提取页面

什么时候适合拆分

• 只发送相关部分，例如一份 48 页的合同中需要签字的那两页。
• 上传表单限制了文件大小或页数。
• 拆开批量扫描的文件：一次性放进扫描仪的 30 张收据，最后都在同一个文件里。如果每张收据占一页，“提取所有页面”会为每张收据生成一个文件。
• 为其他工具准备页面：PDF 转 JPG 工具会把所有页面转换后打包成一个 ZIP，或者每次点击保存一页。因此，先从 80 页的报告中提取第 5–12 页，得到的 ZIP 里就只有 8 张图片，而不是 80 张（参见将 PDF 页面转换为 JPG 或 PNG）。

如果要调整页面顺序或删除几页，请改为参阅如何重新排序、旋转和删除 PDF 页面。

两种模式，三种结果

下载得到的内容取决于所选的标签页和选中的页数。以 report.pdf 为例：

因此，1-3, 5, 8-10 得到的是一个 7 页的文件，而不是三个文件。如果需要把几个部分分开保存，请逐个提取：下载后文档仍保持加载状态，所以可以先输入 1-3 并下载，再输入 5 并再次下载。每次多页提取的文件都命名为 report_extracted.pdf，浏览器通常会在重复的文件名后加上编号，因此最好边下载边重命名。

操作步骤

1. 打开拆分 PDF，在选择 PDF 文件或拖放到此处区域选择一个 PDF。如果一次拖入多个文件，只会使用第一个。
2. 等待所有页面的缩略图绘制完成。随后，文件名、大小和页数会显示在标签页上方，所有页面初始均为选中状态。
3. 在提取自定义范围中，在页面范围（例如：1-3、5、8-10）框中输入，或点击缩略图。该框一开始填的是完整范围（例如 1-40），因此请先清空它，或先点击取消全选。全选会重新选中所有页面，计数器会显示类似“已选择 7 / 40 页”的信息。
4. 也可以切换到提取所有页面，此模式会忽略当前的选择。
5. 点击拆分 PDF 并下载；点击更换文件可重新开始。

点击缩略图时，范围框会被改写成简洁的形式：第 2、3、4 和 9 页会变成 2-4, 9。缩略图是以低分辨率绘制的，因此请在下载的文件中核对内容。

页面范围的写法

这里的数字是页面在文件中的位置，从 1 开始，与缩略图下方标签上的编号一致。

• 各项之间用逗号分隔，范围用连字符表示。符号前后的空格不影响结果。
• 顺序和重复都不影响结果：8-10, 1-3, 2 会按原顺序得到第 1、2、3、8、9、10 页。
• 10-8 会被视为第 8 到 10 页；在 40 页的文件中，38-45 到第 40 页为止。超出最后一页的单个页码或 0 会被忽略。
• 5- 或 -3 这样的开放范围会被忽略；请写成 5-40。
• 只有普通的半角连字符（-）和半角逗号（,）才有效。从文字处理软件粘贴来的短破折号（en dash，如 1–3）或全角连字符（如 1－3）只会选中第 1 页；1 3、1;3，以及用全角逗号或顿号分隔的 1，3、1、3 也是如此。范围框标签里的示例使用了顿号，如果照着输入 1-3、5、8-10，只会选中第 1–3 页，因此请改用半角逗号：1-3, 5, 8-10。

印刷页码往往与页面位置不同。如果一份报告在第 1 页之前有封面和四页前置内容（编号 i–iv），那么印刷的第 12 页就是文件中的第 17 页（1 + 4 + 12）。下载前请检查高亮显示的缩略图。

为什么拆分后的文件加起来可能比原文件更大

在多个页面上使用的字体和图片（例如嵌入的字体或页眉徽标）在原文件中通常只存储一次，由所有页面共享。而每个新文件都需要自带一份其页面所引用的全部资源。pdf-lib 会原样复制这些资源：它不会把字体精简到复制页面上实际用到的字符，也不会删除页面资源列表中列出却并未使用的条目。因此，单独一页也可能带着为整份文档制作的字体子集；如果文件中所有页面共用同一个资源列表，单独一页还会带上该列表中的全部字体和图片。

在我们的测试中，我们用 Python 的 ReportLab 制作了一份 40 页的 A4 文字报告（以子集方式嵌入两种 DejaVu 字体，每页都有一个 900 × 240 像素的 JPEG 徽标），然后在 Node.js 中用 pdf-lib 1.17.1（即 LeedyBox 工具加载的库版本），通过相同的调用进行拆分：

类似扫描件的文件则表现不同：用 Pillow 以 1240 × 1754 像素（150 dpi）的灰度 JPEG 制作的 10 页 A4 文件约为 2.6 MB，拆成的 10 个单页文件加起来也约为 2.6 MB，因为各页之间没有共享的内容。您的结果会有所不同，但简单来说：

• 页数减少时，扫描件大致按比例变小（我们从扫描件中提取的 7 页文件约为 1.8 MB）；文字文档则会因字体和共享图片而保留一个基础大小。
• 同样的页面放在一个文件中，通常比分成多个单独文件占用的空间更少。
• 本工具把 PDF 存入 ZIP 时不进行压缩，因此 ZIP 的大小与其中各文件的总和差不多。

如果文件仍然太大，请参阅如何压缩 PDF。

新文件会保留什么、丢失什么

页面是复制的，而不是重新渲染的：文字仍可选中，图片不会被重新压缩，页面尺寸和旋转方向也会保留。复制页面上的网页链接同样会保留。但属于整个文档的内容不会被复制，而有些页面功能恰恰依赖于这些内容：

• 书签和页面标签（自定义编号，例如 i、ii、iii）。
• 标题、作者和其他文档属性。新文件会把 pdf-lib 列为生成程序（Producer），并以拆分的时间作为创建日期。
• 无障碍标签，即屏幕阅读器用来识别标题和阅读顺序的结构：即使原文件带有标签，新文件也不会带有。
• 内部链接（例如目录条目）在两种情况下可能无法跳转：目标页面没有被提取，或者链接使用的是命名目标（named destination），而命名目标存储在文档级别。表单字段也可能无法再填写，因为它们所属的表单同样是在文档级别定义的。
• 数字签名不会继续有效：签名针对的是原文件的确切字节，因此即使复制的页面上仍显示着签名，也无法证明新文件的任何内容。请保留已签名的原文件。

拆分不是删除敏感页面的安全方法

我们用 pdf-lib 1.17.1 做过一项测试：从一份 6 页的 PDF 中提取第 1 页，而这份 PDF 的第 1 页有一个指向第 5 页的链接。新文件只显示一页，文本提取工具也只找到了第 1 页的文字，但第 5 页的内容却作为未使用的数据保存在文件中，任何查看文件内部结构的人都能读到。目录和交叉引用都可能以这种方式把其他页面带进来。复制的页面上隐藏的内容，例如黑框下面的文字或可见区域之外的内容，也会一并被复制。对于机密资料，请使用 PDF 编辑器的涂黑（redaction）或清理文档功能，或者发送用PDF 转 JPG生成的页面图片。图片只包含页面绘制出来的外观，不含文字层或隐藏对象，不过这样一来，文字也就无法再选中或搜索了。

常见问题与解决方法

• “……是浏览器无法读取或已损坏的 PDF 文件。”文件可能已损坏，或者需要密码才能打开；本工具没有密码输入框。如果获得许可，请在可以输入密码的应用程序中另存一份不受保护的副本。
• 缩略图能正常显示，但拆分时出现与加密有关的错误信息。提示以“拆分 PDF 文件时发生错误：”开头，后面跟着一段提到 encrypted（已加密）的英文信息。这个 PDF 无需密码即可打开，但已经加密，编辑或打印限制等权限设置就是以这种方式存储的。预览由 PDF.js 绘制，而拆分由 pdf-lib 完成；按照本工具调用 pdf-lib 的方式，它会拒绝加载加密文件。本工具不会移除或绕过这种保护。
• “请至少选择一个要提取的页面。”当前没有选中任何有效页面，例如点击了取消全选之后，或输入了开放范围。
• 提取的页面不对。检查是否有短破折号、全角符号或顿号、漏掉的逗号，或误用了印刷页码。
• 长文件处理较慢。所有缩略图绘制完成后才会出现操作控件，在此之前进度条一直停在大约五分之一处，因此长文件看起来可能像是卡住了。此外，“提取所有页面”会在内存中生成每个文件以及 ZIP 压缩包。本工具本身没有设置大小上限，但对于非常大的文件，电脑能处理，手机却可能失败。

发送文件之前

检查每个文件的页数、首页、末页和文件大小，并给它起一个能说明内容的名称，例如 contract_signature_pages.pdf。请保留原文件。如果要把各部分重新合在一起，请使用合并 PDF。如果原文件没有印刷页码，而提取出的部分需要从某个页码（比如 31）开始编号，请参阅为 PDF 添加页码。本页面会直接从 leedybox.com 加载 PDF.js、pdf-lib 和 JSZip，但您的文件是在浏览器中读取和拆分的，不会发送到 LeedyBox 服务器。

常见问题