Extraer páginas sueltas de un PDF

Tres modos, tres trabajos

El selector de modo corresponde al motivo por el que necesitas dividir:

• «Rangos» — un archivo de salida con las páginas que indicaste, en el orden en que las escribiste. El modo para sacar la parte que necesitas.
• «Todas las páginas» — una salida por página, tantos archivos como páginas tiene el documento. El modo para un lote escaneado que debería haber sido documentos separados: cuarenta facturas escaneadas de una sola pasada.
• «Bloques» — grupos secuenciales de N páginas, el último más corto. El modo para un límite de tamaño en otro sitio: una barrera de subida de 10 MB, el tope de adjuntos de un correo, una imprenta que acepta veinte páginas por trabajo.

Sintaxis de rangos

La regla de respetar el orden escrito tiene usos reales: la salida sigue la secuencia que tecleaste y no una ordenada, así que 5, 1, 3 produce un documento en ese orden, y duplicar un número de página es a veces justo lo que quieres cuando una portada tiene que aparecer dos veces. Si reordenar es el trabajo entero y no un efecto secundario de la selección, la herramienta para reordenar páginas es el instrumento más directo.

Los nombres de los archivos de salida

Una división que produce un archivo por página no puede dar a todos el mismo nombre, así que las salidas siguen un patrón: el nombre del propio documento más un contador — report-1.pdf, report-2.pdf y así sucesivamente. El patrón es editable y tiene cuatro tokens que cubren la mayoría de los casos:

• {name} — el nombre del documento original sin la extensión.
• {n} — un número consecutivo para la parte, empezando en 1.
• {page} — la primera página de esa parte, el único sentido que conserva al dividir en bloques.
• {date} — la fecha, para exportaciones que repites de forma programada.

Marcadores, metadatos y qué se conserva

Lo que se lleva cada salida es todo lo que vive a nivel de página: el contenido de las páginas, las fuentes, las imágenes, las dimensiones, la rotación y las anotaciones y campos de formulario que están sobre esas páginas. Lo que no se lleva es la estructura a nivel de documento. El esquema de marcadores es el caso visible — sus destinos apuntan a números de página que pueden no existir en un extracto de dos páginas, y un esquema que parece intacto pero aterriza en las páginas equivocadas es peor que ninguno. La cabecera de información del documento tampoco se transfiere: cada salida es un documento nuevo, y los campos Title y Author del original se quedan con el original.

Esa es la otra mitad de la respuesta honesta: tu archivo original no se modifica en absoluto. Se lee, las partes se escriben como archivos nuevos, y el documento en tu disco — marcadores, metadatos, todo — se queda exactamente como estaba.

Extraídas, no ocultas

El modo de fallo que conviene conocer en cualquier herramienta de división: una implementación que copia el documento entero y solo oculta las páginas no seleccionadas produce un archivo que parece correcto y que aún contiene cada palabra eliminada, recuperable con cualquier extractor de texto. Es el mismo tipo de error que tachar con un rectángulo negro, y así es como los fallos de tachado acaban saliendo en las noticias. Aquí las salidas son documentos nuevos sin nada que recuperar — y no tienes que creerlo por lo que dice esta página: pasa cualquier extractor de texto por una salida y busca una frase de una página no seleccionada. No estará.