Einzelne Seiten aus einem PDF extrahieren

Drei Modi, drei Aufgaben

Die Modusauswahl richtet sich nach dem Grund, warum Sie überhaupt teilen:

• „Bereiche“ – eine Ausgabedatei mit den genannten Seiten, in der Reihenfolge, in der Sie sie aufgeschrieben haben. Der Modus, um genau den Teil herauszuholen, den Sie brauchen.
• „Jede Seite“ – eine Ausgabe pro Seite, so viele Dateien, wie das Dokument hat. Der Modus für einen gescannten Stapel, der eigentlich einzelne Dokumente hätte sein sollen: vierzig Rechnungen, in einem Durchlauf gescannt.
• „Blöcke“ – fortlaufende Gruppen von N Seiten, die letzte kürzer. Der Modus für ein Größenlimit irgendwo anders: eine Upload-Grenze von 10 MB, ein Limit für E-Mail-Anhänge, eine Druckerei, die zwanzig Seiten pro Auftrag annimmt.

Bereichs-Syntax

Die Regel „Reihenfolge wie geschrieben“ hat echte Anwendungen: Die Ausgabe folgt der getippten Sequenz statt einer sortierten, sodass 5, 1, 3 ein Dokument genau in dieser Reihenfolge erzeugt, und eine doppelte Seitennummer ist gelegentlich genau das, was Sie wollen, wenn ein Deckblatt zweimal auftauchen muss. Wenn das Umsortieren die eigentliche Aufgabe ist und nicht nur ein Nebeneffekt der Auswahl, ist das Tool zum Umsortieren von Seiten das direktere Instrument.

Die Ausgabedateien benennen

Ein Teilen, das eine Datei pro Seite erzeugt, kann nicht jeder Datei denselben Namen geben, also folgen die Ausgaben einem Muster: der Name des Dokuments selbst plus ein Zähler – report-1.pdf, report-2.pdf und so weiter. Das Muster ist editierbar, mit vier Platzhaltern, die die meisten Fälle abdecken:

• {name} – der Name des Originaldokuments ohne Dateiendung.
• {n} – eine fortlaufende Nummer für den Teil, beginnend bei 1.
• {page} – die erste Seite dieses Teils, die einzige Lesart, die das Teilen in Blöcke übersteht.
• {date} – das Datum, für Exporte, die Sie nach einem Zeitplan wiederholen.

Lesezeichen, Metadaten und was übernommen wird

In jede Ausgabe übernommen wird alles auf Seitenebene: der Inhalt der Seiten, Schriftarten, Bilder, Abmessungen, Drehung sowie die Anmerkungen und Formularfelder, die auf diesen Seiten liegen. Was nicht übernommen wird, ist Struktur auf Dokumentebene. Die Lesezeichen-Gliederung ist die sichtbare davon – ihre Ziele verweisen auf Seitennummern, die in einem zweiseitigen Auszug gar nicht existieren müssen, und eine Gliederung, die intakt aussieht, aber auf den falschen Seiten landet, ist schlimmer als keine. Der Info-Header des Dokuments wandert ebenfalls nicht mit: Jede Ausgabe ist ein frisches Dokument, und die Originalwerte für Title und Author bleiben beim Original.

Das ist die andere Hälfte der ehrlichen Antwort: Ihre Originaldatei wird überhaupt nicht verändert. Sie wird gelesen, die Teile werden als neue Dateien geschrieben, und das Dokument auf Ihrer Festplatte – Lesezeichen, Metadaten, alles – bleibt exakt so, wie es war.

Extrahiert, nicht versteckt

Der Fehlermodus, den man bei jedem Teilen-Tool kennen sollte: Eine Implementierung, die das gesamte Dokument kopiert und bloß die nicht ausgewählten Seiten versteckt, erzeugt eine Datei, die richtig aussieht und trotzdem jedes entfernte Wort enthält – wiederherstellbar mit jedem beliebigen Text-Extraktor. Das ist dieselbe Fehlerklasse wie Schwärzen mit einem schwarzen Rechteck, und so kommen Schwärzungs-Pannen in die Nachrichten. Hier sind die Ausgaben neue Dokumente, aus denen sich nichts wiederherstellen lässt – und Sie müssen dieser Seite nicht einfach glauben: Lassen Sie einen beliebigen Text-Extraktor über eine Ausgabe laufen und suchen Sie nach einer Phrase aus einer nicht ausgewählten Seite. Sie wird nicht darin sein.