Een PDF met blanco pagina's erin is een kleine ergernis totdat deze wordt afgedrukt, gemaild naar een client of ingediend bij een portal die pagina's telt Een duplexscanner slaat de lege achterkant van elk enkelzijdig vel op Een Word-export voegt een laatste pagina toe vanwege een verdwaald alinea-teken Een samenvoeging laat scheidingsplaten achter De pagina's dragen niets, maar ze kosten papier, verlengen de scroll en laten een document er onvoltooid uitzien.
Het verwijderen ervan klinkt triviaal, en voor een pagina kun je het zien en benoemen. Het moeilijkste is om ze in een lang bestand te vinden en te beslissen welke pagina's echt leeg zijn. Deze gids legt uit hoe lege pagina's in een PDF terechtkomen, hoe software een lege pagina kan zien van een pagina met inhoud, waar die detectie opraakt en hoe u de pagina kunt gebruiken Verwijder het gereedschap Blanco pagina's om een bestand schoon te maken zonder iets te verwijderen dat u nodig had.
tl;dr: Een lege PDF-pagina is een pagina die niets tekent: het heeft geen contentstream, een contentstream zonder tekenoperatoren, of tekstexploitanten die alleen spaties tonen De Blanco pagina's verwijderen tool leest elke pagina & #39; s content stream, selecteert vooraf de pagina's die zeker leeg zijn, en laat pagina's die alleen een afbeelding tekenen (zo ziet een gescand blanco blad eruit) zodat u deze met de hand kunt kiezen U bevestigt de selectie, er moet ten minste één pagina overblijven en het opgeschoonde bestand downloadt als
name_cleaned_N_removed.pdf. Het is client-side, gratis, geen aanmelding en er wordt niets geüpload.
Waar komen lege pagina's in een PDF vandaan?
Blanco pagina's zijn bijna altijd een bijwerking van hoe het bestand is gemaakt, niet een keuze die iemand met opzet heeft gemaakt De gangbare bronnen vallen in een handvol patronen, en als je weet welke je lege pagina's heeft geproduceerd, weet je hoe ze zullen worden gedetecteerd.
Duplex scannen is de grootste bron Een scanner die is ingesteld om beide zijden van elk blad vast te leggen, slaat de achterkant van een enkelzijdige pagina op als zijn eigen afbeelding Een brief van 20 vel die op deze manier wordt gescand, wordt een PDF van 40 pagina's met 20 bijna witte afbeeldingen erin.
Uitvoer van tekstverwerkers is de tweede Een document waarvan de laatste regel wordt gevolgd door een lege alinea, een pagina-einde of een sectie-einde kan exporteren met een achterliggende pagina Die pagina bevat meestal een tekstoperator die een enkele spatie toont, omdat de exporteur de lege alinea heeft uitgeschreven zoals hij die vond.
Samenvoegingen en sjablonen zijn de derde. Het combineren van verschillende PDF's kan omslagscheiders of verdeelbladen overdragen, en rapportgeneratoren vullen een document vaak op tot een gelijkmatig aantal pagina's, zodat dubbelzijdig afdrukken omhoog gaat.
Bewerkingen op paginaniveau zijn de laatste Een pagina die als tijdelijke aanduiding is toegevoegd en nooit is ingevuld, is gebruikelijk in bestanden die in de loop van de tijd zijn opgebouwd.
Deze patronen zijn van belang omdat ze verschillende soorten & quot; blank" binnenin het bestand produceren Sommige pagina's bevatten helemaal niets Sommige bevatten instructies die niets tekenen Sommige bevatten een paginagrote afbeelding van white paper Software kan de eerste twee met zekerheid herkennen en kan de derde niet herkennen zonder pixels te meten.
Hoe kan software zien dat een PDF-pagina leeg is?
Software vertelt een lege pagina van een pagina met inhoud door de inhoudsstroom van pagina' te lezen en te controleren of er instructies in staan die markeringen op de pagina plaatsen Er wordt niet naar de weergegeven afbeelding gekeken.
Elke PDF-pagina beschrijft zijn uiterlijk als een inhoudsstroom: een reeks operators met operanden, gedefinieerd in de PDF-specificatie ISO 32000-2. De meeste operators stellen alleen de staat in. Tf kiest een lettertype en grootte, Td verplaatst de tekstpositie, rg stelt een vulkleur in, cm verandert het coördinatensysteem Geen van hen tekent iets op zichzelf Slechts een kleine groep operatoren markeert de pagina
- tekstweergaverexploitanten:
Tj,TJ,'en" - padschilderoperatoren:
S,s,f,F,f*,B,B*,benb* Do, die een extern object schildert, zoals een afbeelding of een formuliersh, wat een schaduw schildertBI, waarmee een inline-afbeelding begint
Een pagina waarvan de inhoudsstroom geen van die operatoren bevat, trekt niets, hoe lang de stroom ook is Dat is een definitief antwoord, geen schatting, en het is de basis van de blank page remover op Toolz.
De controle moet voorzichtig zijn met wat telt als operator De brief f is een vuloperator, maar deze verschijnt ook in een lettertypenaam zoals /F1. Een letterlijke snaar zoals (BT Do ET) moet tekst worden getoond, niet drie operatoren Dus de tool strips string literals, hex strings en comments voordat het scant, en het komt alleen overeen met operators op token grenzen Zonder die stap zou elke lettertype verwijzing eruit zien als inkt en bijna geen pagina zou ooit worden gerapporteerd blanco.
Hoe ziet een "blank" contentstream eruit?
Het zien van een contentstream maakt het idee concreet Hier zijn drie gedecodeerde streams, het soort dat je achter drie pagina's van een geëxporteerd document zou vinden.
Een pagina die tekst tekent:
BT
/F1 12 Tf
72 720 Td
(Hello) Tj
ET
Een pagina waarvan de enige tekst een enkele spatie is, de klassieke achterpagina van een Word-export:
BT
/F1 12 Tf
72 720 Td
( ) Tj
ET
Een pagina die state instelt maar nooit tekent
q
0 0 0 rg
1 0 0 1 72 720 cm
Q
De eerste stroom toont de string Hello, dus de pagina heeft inhoud De derde heeft helemaal geen markeringsoperator, dus het is leeg De tweede is de interessante Het bevat Tj, dus een eenvoudige operatortelling zou het inhoud noemen. Maar de enige tekenreeks die het laat zien is een spatie, die niets zichtbaars op het papier zet.
Het gereedschap behandelt die zaak expliciet Wanneer elke markeringsoperator op een pagina een tekstoperator is, kijkt deze naar de tekenreeksen die worden weergegeven Als elke letterlijke tekenreeks witruimte is en elke hex-tekenreeks decodeert naar spaties, tabbladen of regeleinden, wordt de pagina gerapporteerd als & quot; Alleen witruimte wordt getekend" en behandeld als blanco. Die ene regel vangt een groot deel van de lege pagina's op die mensen proberen te verwijderen uit geëxporteerde documenten.
Welke pagina's worden gedetecteerd en welke worden er voor u achtergelaten?
De tool geeft elke pagina een van de drie uitspraken, en slechts één ervan is vooraf geselecteerd voor verwijdering. Deze tabel vat samen hoe elk soort pagina wordt getekend en wat ermee gebeurt.
| Paginatype | Wat de contentstream bevat | senseren | Voorgeselecteerd voor verwijdering |
|---|---|---|---|
| Pagina toegevoegd en nooit aangesproken | Geen content stream | Blanco ("Geen contentstream.") | ja |
| Pagina die alleen lettertypen, kleuren of coördinaten instelt | Operators, maar geen die de pagina markeren | Blanco ("Contentstream trekt niets.") | ja |
| Achterliggende pagina van een Word-export | Tekstoperatoren die alleen spaties of regeleinden tonen | Blanco (" Alleen witruimte wordt getekend.") | ja |
| Gescand blanco blad | Een single Do een wit beeld schilderen |
Alleen afbeelding | heel weinig |
| Gescande pagina met echte inhoud | Een single Do een afbeelding schilderen |
Alleen afbeelding | heel weinig |
| Pagina met een voetnummer, grenslijn of witte rechthoek | Tekst- of padschilderoperatoren | genoegen | heel weinig |
| Pagina waarvan de stream niet kan worden gedecodeerd | Onbekend | Inhoud, veilig bewaard | heel weinig |
| Normale tekst - of grafische pagina | Markeringsoperatoren | genoegen | heel weinig |
Twee rijen verdienen een nadere blik.
De rijen met alleen afbeeldingen zijn twee keer dezelfde rij, vanuit het oogpunt van tool's. Een gescand blanco vel en een gescand ondertekend contract zijn beide één afbeelding waarmee is getekend Do. Om ze uit elkaar te houden, moet de pagina worden weergegeven en moet worden gemeten hoe wit de pixels zijn, waarvoor een rendering-engine nodig is die de tool niet bij zich heeft. In plaats van te raden, blijven pagina's die alleen afbeeldingen bevatten ongeselecteerd en ongemarkeerd, zodat ze eruitzien als elke andere pagina in het raster. Het verwijderen van een pagina kan niet ongedaan worden gemaakt, en een tool die verkeerd raadt over een contract doet meer kwaad dan een tool die erom vraagt.
De onbeslisbare rij is een veiligheidsregel Als een contentstream wordt gecomprimeerd met een filter dat niet kan worden gelezen, kan de pagina niet worden beoordeeld, dus wordt deze behandeld als inhoud Het verwijderen van een pagina vanwege een parseerfout is de enige uitkomst zonder herstel.
Hoe verwijder je lege pagina's stap voor stap uit een PDF?
De workflow bestaat uit vier stappen en er wordt niets verwijderd tot de laatste.
- Open het bestand. Sleep een PDF naar de verwijder leeg pagina's gereedschap of klik om er een te kiezen De pagina toont de bestandsnaam, grootte en paginatelling.
- Lees de analyse. Elke pagina is aangevinkt De samenvattende regel luidt bijvoorbeeld "2 lege pagina's gedetecteerd", en de lege pagina's verschijnen in rood in het paginaraster, al geselecteerd.
- Pas de selectie aan. Klik op een willekeurig paginanummer om het toe te voegen of te verwijderen. "Selecteer leeg" herstelt de gedetecteerde set, en & quot; Deselecteer alles" wist alles Een gedetecteerde lege pagina die u deselecteert, houdt een kleine gele stip bij, zodat u nog steeds kunt zien wat de analyse heeft gevonden. Voor gescande bestanden vergelijkt u het met het origineel en klikt u op de pagina's met alleen afbeeldingen die echt leeg zijn.
- Downloaden. De knop luidt " Downloaden (2 pagina's verwijderd) & quot; of wat uw telling ook is De overige pagina's worden gekopieerd naar een nieuw document dat naar het origineel is vernoemd, zoals
report_cleaned_2_removed.pdf.
De output samenvatting onder het raster toont originele pagina's, pagina's te verwijderen en resulterende pagina's, zodat u de rekenkunde kunt controleren voordat u klikt De download knop is uitgeschakeld wanneer niets is geselecteerd en wanneer elke pagina is geselecteerd, omdat er ten minste één pagina in de uitvoer moet blijven.
Een uitgewerkt voorbeeld: voor en na
Neem een bestand van vijf pagina's genaamd report.pdf, samengesteld uit verschillende bronnen:
| Page | Wat het bevat | senseren |
|---|---|---|
| 1 | Titel en introductietekst | genoegen |
| 2 | Tijdelijke pagina, nooit getekend op | Blank |
| 3 | Een enkele ruimte die overblijft door een Word-export | Blank |
| 4 | Een gescande afbeelding van een ondertekend formulier | Alleen afbeelding |
| 5 | Sluittekst | genoegen |
Wanneer het bestand wordt geladen, luidt de samenvatting "2 lege pagina's gedetecteerd" en pagina's 2 en 3 zijn vooraf geselecteerd in rood. Pagina 4 blijft ongeselecteerd zonder markering. De knop leest "Downloaden (2 pagina's verwijderd) & quot;.
Voor: 1 2 3 4 5
Na: 1 4 5, in het nieuwe bestand hernummerd tot 1 2 3
Het opgeslagen bestand is report_cleaned_2_removed.pdf, met drie pagina's De oorspronkelijke pagina 4 is nu pagina 2 en de oorspronkelijke pagina 5 is nu pagina 3.
Nu één detail wijzigen Stel dat pagina 4 een scan zou zijn van de lege achterkant van een blad in plaats van een ondertekend formulier De analyse zou precies hetzelfde oordeel bereiken, alleen afbeelding, en het bestand zou op precies dezelfde manier laden Het verschil is dat u op pagina 4 zou klikken voordat u downloadt, de knop zou & quot;Downloaden (3 pagina's verwijderd) & quot;, en de uitvoer zou zijn report_cleaned_3_removed.pdf met pagina's 1 5, hernummerd 1 2.
Waarom werd een pagina die er leeg uitziet niet gedetecteerd?
Een pagina die er blanco uitziet maar niet vooraf geselecteerd is tekent bijna altijd iets kleins of onzichtbaars De analyse gaat over operatoren, en verschillende veel voorkomende markeringen zijn gemakkelijk met het oog te missen.
Een lopende kop - of voettekst met een paginanummer is een tekstoperator die echte tekens toont, dus de pagina heeft inhoud Een dunne randlijn, een bijsnijdmarkering of een haarlijnregel is een padschilderoperator Een wit gevulde rechthoek is een vuloperator, ook al toont wit op wit niets En een gescande pagina met een OCR-laag draagt onzichtbare tekst bovenop de afbeelding, getekend met tekstoperatoren, zodat deze leest als inhoud.
In al deze gevallen is de oplossing hetzelfde: klik op het paginanummer om het met de hand te selecteren. De tool weerhoudt u er nooit van een pagina te verwijderen die het niet heeft gedetecteerd, het weigert alleen voor u te beslissen.
Als het bestand helemaal niet wordt geopend en de pagina toont " fout bij het laden van PDF Probeer een ander bestand.", de meest waarschijnlijke oorzaak is wachtwoordbeveiliging Versleutelde PDF's worden geweigerd wanneer ze worden geparseerd Verwijder het wachtwoord in een PDF-viewer die u vertrouwt, sla een kopie op en laad die kopie in plaats daarvan.
Wat verandert er in het opgeschoonde bestand, en wat niet?
De pagina's die u bewaart worden gekopieerd zoals ze zijn, en de extra's op documentniveau niet. Als u de splitsing begrijpt, kunt u beslissen of u het origineel behoudt.
De bewaarde pagina's worden gekopieerd met pdf-lib' s pagina kopiëren, niet gerenderd en opnieuw gecodeerd Tekst blijft selecteerbaar, lettertypen blijven ingebed, afbeeldingen behouden hun resolutie, en elke pagina behoudt zijn grootte en rotatie De inhoud van een bewaarde pagina is byte-voor-byte dezelfde tekeninstructies als voorheen.
Wat niet wordt overgedragen is de structuur die bij het document hoort in plaats van bij pagina's Het nieuwe bestand heeft geen documenttitel en geen bladwijzers, omdat de overzichtsboom op documentniveau leeft Houd het origineel als dat voor u belangrijk is, wat eenvoudig is omdat de tool het nooit wijzigt: de opgeschoonde PDF is een nieuwe download.
Bestandsgrootte daalt meestal, maar met minder dan mensen verwachten Een pagina die niets tekent, bevat bijna geen gegevens, dus het verwijderen ervan bespaart weinig De echte besparingen komen van gescande bestanden, waarbij elke lege pagina een afbeelding op volledige grootte is Als het doel een kleinere bijlage is in plaats van minder pagina's, voer het resultaat dan door pdf comprimeren ook; de handleiding voor het comprimeren van een PDF legt uit wat compressie wel en niet kan krimpen.
Verwijder lege pagina's versus verwijder PDF-pagina's versus organiseer PDF
Deze drie tools overlappen elkaar, en het kiezen van de juiste komt neer op de vraag of je al weet welke pagina's moeten gaan.
| betrekking | Beste tool | waarom |
|---|---|---|
| U weet niet waar de lege pagina's zijn | Blanco pagina's verwijderen | Vindt pagina's die niets tekenen en selecteert ze vooraf |
| U kent de paginanummers of een bereik om te knippen | pdf-pagina's verwijderen | Verwijdert de pagina's die u noemt, leeg of niet |
| Je moet enkele pagina's verwijderen en de rest opnieuw ordenen | pdf organiseren | Verplaats en verwijder pagina's in één keer |
| U wilt de lege gescheiden secties als afzonderlijke bestanden | pdf splits | Knip het document per bereik in verschillende PDF's |
Een handig patroon voor gescande documenten is om ze te combineren Gebruik eerst de blanco paginadetector om de pagina's te vangen die zeker blanco zijn en om het paginaraster te zien, klik dan met de hand op de gescande lege backs Als de paginacorder ook fout is na het scannen, is de gids voor het organiseren van PDF-pagina's covers herschikken, en dezelfde client-side verwerking is van toepassing De volledige set van pagina tools staat op de hub voor PDF-hulpmiddelen.
Is het veilig om lege pagina's uit gevoelige documenten online te verwijderen?
Met een client-side tool verlaat het document nooit uw apparaat Het bestand wordt in JavaScript binnen het tabblad van de browser gelezen, geanalyseerd en herschreven Het wordt niet geüpload, gelogd of opgeslagen op een server, en zodra de pagina is geladen blijft het werken zonder netwerkverbinding.
Dat is van belang voor de documenten die de neiging hebben om lege pagina's te verzamelen: gescande contracten, medische en verzekeringspapieren, bankafschriften en HR-bestanden Dat zijn precies de bestanden die niet naar een onbekende server mogen worden gestuurd om een paar lege bladen te verwijderen De tool is gratis, geen aanmelding, en voegt geen watermerk toe.
Alternatieven voor een online blanco pagina remover
Een browsertool is een van de vele routes en elk heeft een plaats.
Desktop PDF-editors zoals Adobe Acrobat kunnen pagina's verwijderen uit een miniatuurpaneel, en sommige betaalde edities bevatten een optie voor het detecteren van lege pagina's in hun scan- of optimalisatiefuncties. Die route is geschikt voor mensen die al een licentie voor de software hebben.
Scannersoftware is vaak de beste plaats om het probleem bij de bron op te lossen Veel scannerstuurprogramma's bevatten een " lege pagina's" of " verwijder lege pagina's" optie die de afbeelding meet zoals deze is vastgelegd, voordat de PDF wordt geschreven Omdat de driver de pixels ziet, kan deze lege achterkanten opvangen die een controle op operatorniveau niet kan inschakelen voorkomt het probleem voor toekomstige scans.
Commandoregelgereedschappen passen bij batchwerk. qpdf kan een nieuw bestand schrijven van geselecteerde pagina's, bijvoorbeeld qpdf in.pdf --pages . 1,4,5 -- out.pdf, zodra u weet welke pagina's u moet bewaren Het detecteren van lege gescande pagina's in een script betekent meestal dat u elke pagina weergeeft met een tool zoals Ghostscript of Poppler en meet hoeveel van de afbeelding niet-wit is.
Het voordeel van de client-side tool is dat het geen installatie nodig heeft, hetzelfde draait op elk besturingssysteem, nooit het bestand uploadt en u elke beslissing laat zien voordat er iets wordt verwijderd.
