Eliminar páginas en blanco

Un eliminador de páginas en blanco encuentra las páginas en un PDF que no pone nada en el papel y las elimina. Las páginas en blanco llegan de todas partes: un escáner dúplex captura el reverso vacío de cada hoja, una exportación de Word agrega una página final para una marca de párrafo perdida, la fusión de dos documentos deja las páginas separadoras en su lugar y un generador de informes se adapta a un recuento de páginas par. Ninguno de ellos contiene información, todos le cuestan papel cuando se imprime el archivo y cada uno interrumpe al lector que se desplaza por el documento.

Esta herramienta decide leyendo el flujo de contenido de cada página. Una página PDF es una secuencia de operadores de dibujo, y sólo un puñado de ellos marcan el papel: los operadores de visualización de texto, los operadores de pintura de rutas, una imagen o formulario dibujado con Do y un sombreado. Una página cuyo flujo no contiene nada de eso no dibuja nada, sea lo que sea que contenga. Esa es una respuesta definitiva más que una suposición, razón por la cual las páginas que informa como en blanco están preseleccionadas para usted.

También detecta el caso real más común, que una simple verificación pasa por alto. Un documento exportado cuya última página lleva un solo espacio tiene un flujo de contenido, tiene un operador de texto y, según cualquier recuento ingenuo, dibuja algo. La herramienta inspecciona lo que se les pide a esos operadores de texto que muestren, y cuando cada cadena es un espacio en blanco, informa la página como en blanco. Ese patrón representa una gran parte de las páginas en blanco que la gente intenta eliminar.

Hay una cosa que deliberadamente no decidirá por usted. Una hoja en blanco escaneada es una fotografía de papel blanco, dibujada como una imagen, y a nivel de operador marca la página como cualquier otra imagen. Decirlo aparte de un escaneo que importa requiere medir los píxeles reales, lo que necesita un motor de renderizado que esta herramienta no lleva. En lugar de adivinar, las páginas que dibujan solo una imagen no se seleccionan y se muestran como cualquier otra página, por lo que usted decide si hace clic en ellas. Eliminar una página no es reversible, por lo que una herramienta que adivina en su nombre es peor que una que pregunta.

Así es como se desarrolla cuando elimina páginas en blanco en archivos PDF. Tome un informe de cinco páginas.pdf: la página 1 es texto, la página 2 se agregó y nunca se dibujó, la página 3 tiene un solo espacio, la página 4 es una imagen escaneada y la página 5 es texto. El PDF elimina las páginas en blanco, verifica los informes "2 páginas en blanco detectadas" y preselecciona las páginas 2 y 3. La página 4 permanece no seleccionada. El botón dice "Descargar (2 páginas eliminadas)" y guarda report_cleaned_2_removed.pdf con tres páginas. Para eliminar páginas en blanco de PDF que provienen de un escáner, haga clic en esas páginas usted mismo primero.

Todo sucede en el lado del cliente. El archivo se lee, analiza en JavaScript y se reescribe en su dispositivo. Nunca se carga, registra ni almacena. Eso importa para los documentos a los que suele apuntar esta herramienta: contratos, correspondencia escaneada, registros médicos y estados financieros, exactamente los archivos que no deben entregarse al servidor de un extraño para ahorrar unos kilobytes.