Um PDF com páginas em branco nele é um pequeno aborrecimento até que seja impresso, enviado por e-mail para um cliente ou enviado para um portal que conta páginas Um scanner duplex salva a parte traseira vazia de cada folha unilateral Uma exportação do Word adiciona uma página final por causa de uma marca de parágrafo perdida Uma mesclagem deixa folhas separadoras para trás As páginas não carregam nada, mas custam papel, alongam o pergaminho e fazem um documento parecer inacabado.
Excluí-los soa trivial, e para uma página você pode ver e nomeá-lo é A parte difícil é encontrá-los em um arquivo longo, e decidir quais páginas estão realmente em branco Este guia explica como as páginas em branco entram em um PDF, como o software pode dizer uma página em branco de uma página com conteúdo, onde essa detecção se esgota, e como usar o Remover ferramenta de páginas em branco para limpar um arquivo sem excluir algo que você precisava.
tl;dr: Uma página PDF em branco é uma página que não desenha nada: não tem fluxo de conteúdo, um fluxo de conteúdo sem operadores de desenho ou operadores de texto que mostram apenas espaços remover páginas em branco ferramenta lê cada página' s fluxo de conteúdo, pré-seleciona as páginas que certamente estão em branco, e deixa páginas que desenham apenas uma imagem (que é o que uma folha em branco digitalizado parece) para você escolher à mão Você confirma a seleção, pelo menos uma página deve permanecer, eo arquivo limpo downloads como
name_cleaned_N_removed.pdf. É do lado do cliente, gratuito, sem inscrição e nada é carregado.
De onde vêm as páginas em branco em um PDF?
Páginas em branco são quase sempre um efeito colateral de como o arquivo foi feito, não uma escolha que alguém fez de propósito As fontes comuns se enquadram em um punhado de padrões, e saber qual delas produziu suas páginas em branco lhe diz como elas serão detectadas.
A digitalização duplex é a maior fonte Um scanner definido para capturar ambos os lados de cada folha salva a parte de trás de uma página de um lado como sua própria imagem Uma carta de 20 folhas digitalizada dessa maneira se torna um PDF de 40 páginas com 20 imagens quase brancas nele.
As exportações do processador de texto são o segundo Um documento cuja última linha é seguida por um parágrafo vazio, uma quebra de página ou uma quebra de seção pode exportar com uma página à direita Essa página geralmente mantém um operador de texto mostrando um único espaço, porque o exportador escreveu o parágrafo vazio como ele encontrou.
Mescla e templates são o terceiro. A combinação de vários PDFs pode transportar separadores de capa ou folhas divisórias, e os geradores de relatórios geralmente preenchem um documento até uma contagem uniforme de páginas, de modo que a impressão frente e verso seja alinhada.
As edições no nível da página são as últimas Uma página adicionada como um espaço reservado e nunca preenchida é comum em arquivos construídos ao longo do tempo.
Estes padrões são importantes porque produzem tipos diferentes de & quot; em branco" dentro do ficheiro Algumas páginas não contêm absolutamente nada Algumas contêm instruções que não desenham nada Algumas contêm uma imagem de página inteira do papel branco O software pode reconhecer os dois primeiros com certeza e não pode reconhecer o terceiro sem medir pixels.
Como o software pode dizer que uma página PDF está em branco?
O software informa uma página em branco de uma página com conteúdo lendo o fluxo de conteúdo da página & #39; e verificando se alguma instrução nele coloca marcas na página Ele não olha para a imagem renderizada.
Cada página PDF descreve sua aparência como um fluxo de conteúdo: uma sequência de operadores com operandos, definidos na especificação PDF, ISO 32.000-2. A maioria dos operadores apenas estabelece o estado. Tf escolhe uma fonte e tamanho, Td move a posição do texto, rg define uma cor de preenchimento, cm altera o sistema de coordenadas Nenhum deles desenha nada por si só Apenas um pequeno grupo de operadores marca a página:
- operadores de exibição de texto:
Tj,TJ,'e" - operadores de pintura de caminhos:
S,s,f,F,f*,B,B*,beb* Do, que pinta um objeto externo, como uma imagem ou uma formash, que pinta um sombreamentoBI, que inicia uma imagem em linha
Uma página cujo fluxo de conteúdo não contém nenhum desses operadores não desenha nada, por mais longo que seja o fluxo. Essa é uma resposta definitiva, não uma estimativa, e é a base do removedor de página em branco no Toolz.
O cheque tem que ter cuidado com o que conta como operador A carta f é um operador de preenchimento, mas também aparece dentro de um nome de fonte como /F1. Um literal de string como (BT Do ET) é texto a ser mostrado, não três operadores Então a ferramenta tira literais de string, strings hexadecimais e comentários antes que ele digitalize, e ele só corresponde aos operadores nos limites do token Sem essa etapa, cada referência de fonte pareceria tinta e quase nenhuma página jamais seria relatada em branco.
Como é um & quot; em branco e quot; fluxo de conteúdo?
Ver um fluxo de conteúdo torna a ideia concreta Aqui estão três fluxos decodificados, do tipo que você encontraria por trás de três páginas de um documento exportado.
Uma página que desenha texto:
BT
/F1 12 Tf
72 720 Td
(Hello) Tj
ET
Uma página cujo único texto é um único espaço, a clássica página de fuga de uma exportação do Word:
BT
/F1 12 Tf
72 720 Td
( ) Tj
ET
Uma página que configura o estado, mas nunca desenha:
q
0 0 0 rg
1 0 0 1 72 720 cm
Q
O primeiro fluxo mostra a string Hello, então a página tem conteúdo O terceiro não tem operador de marcação em tudo, então está em branco O segundo é o interessante Ele contém Tj, então uma simples contagem de operadores chamaria de conteúdo Mas a única string que ele mostra é um espaço, que não coloca nada visível no papel.
A ferramenta trata esse caso explicitamente Quando cada operador de marcação numa página é um operador de texto, ele olha para as cadeias que estão a ser mostradas Se cada cadeia literal for espaço em branco, e cada cadeia hexagonal descodificar para espaços, tabulações ou quebras de linha, a página é reportada como & quot; Apenas o espaço em branco é desenhado & quot; e tratado como em branco Essa regra apanha uma grande parte das páginas em branco que as pessoas estão a tentar remover dos documentos exportados.
Quais páginas são detectadas e quais são deixadas para você?
A ferramenta dá a cada página um dos três veredictos, e apenas um deles é pré-selecionado para exclusão Esta tabela resume como cada tipo de página é desenhada e o que acontece com ela.
| Tipo de página | O que seu fluxo de conteúdo contém | veredito | Pré-selecionado para remoção |
|---|---|---|---|
| Página adicionada e nunca desenhada | Sem fluxo de conteúdo | Em branco ("Sem fluxo de conteúdo.") | sim |
| Página que define apenas fontes, cores ou coordenadas | Operadores, mas nenhum que marque a página | Em branco (" O fluxo de conteúdo não desenha nada.") | sim |
| Página de fuga de uma exportação do Word | Operadores de texto mostrando apenas espaços ou quebras de linha | Em branco (" Somente espaços em branco são desenhados.") | sim |
| Folha em branco digitalizada | Um single Do pintando uma imagem branca |
Somente imagem | não |
| Página digitalizada com conteúdo real | Um single Do pintando uma imagem |
Somente imagem | não |
| Página com um número de rodapé, linha de borda ou retângulo branco | Operadores de texto ou pintura de caminho | contentar | não |
| Página cujo fluxo não pode ser decodificado | Desconhecido | Conteúdo, mantido para ser seguro | não |
| Texto normal ou página gráfica | Operadores marcação | contentar | não |
Duas linhas merecem uma olhada mais de perto.
As linhas apenas de imagem são a mesma linha duas vezes, do ponto de vista do tool' s. Uma folha em branco digitalizada e um contrato assinado digitalizado são ambos uma imagem desenhada com Do. Distribuí-los requer renderizar a página e medir o quão brancos são os pixels, o que precisa de um mecanismo de renderização que a ferramenta não carrega Em vez de adivinhar, deixa páginas somente de imagem não selecionadas e não marcadas, para que se pareçam com qualquer outra página da grade A exclusão de uma página não pode ser desfeita e uma ferramenta que adivinha errado em um contrato faz mais mal do que aquela que pede.
A linha não decodificável é uma regra de segurança Se um fluxo de conteúdo é compactado com um filtro que não pode ser lido, a página não pode ser julgada, por isso é tratada como conteúdo Excluir uma página por causa de uma falha de análise é o único resultado sem recuperação.
Como você remove páginas em branco de um PDF passo a passo?
O fluxo de trabalho tem quatro etapas, e nada é excluído até a última.
- Abrir o ficheiro. Arraste um PDF para o remover ferramenta de páginas em branco ou clique para escolher um A página mostra o nome do arquivo, tamanho e contagem de páginas.
- Leia a análise. Cada página está assinalada A linha de resumo lê, por exemplo, as páginas em branco do & quot; 2 detected", e as páginas em branco aparecem a vermelho na grelha de páginas, já seleccionada.
- Ajuste a seleção. Carregue em qualquer número de página para o adicionar ou remover. & quot; Select Blank" restaura o conjunto detectado, e o & quot; Deselect All" limpa tudo Uma página em branco detectada que deselect mantém um pequeno ponto amarelo, para que possa ver à mesma o que a análise encontrou Para os ficheiros digitalizados, compare com o original e carregue nas páginas apenas de imagem que estão verdadeiramente vazias.
- Baixe. O botão lê o & quot; Download (2 páginas removidas) & quot; ou seja qual for a sua contagem As páginas restantes são copiadas para um novo documento com o nome do original, como
report_cleaned_2_removed.pdf.
O resumo de saída sob a grade mostra páginas originais, páginas a serem removidas e páginas resultantes, para que você possa verificar a aritmética antes de clicar O botão de download é desativado quando nada é selecionado e quando cada página é selecionada, porque pelo menos uma página deve permanecer na saída.
Um exemplo trabalhado: antes e depois
Pegue um arquivo de cinco páginas chamado report.pdf, reunidos a partir de diversas fontes:
| Página | O que contém | veredito |
|---|---|---|
| 1 | Título e texto de introdução | contentar |
| 2 | Página de espaço reservado, nunca desenhada | Em branco |
| 3 | Um único espaço deixado por uma exportação do Word | Em branco |
| 4 | Uma imagem digitalizada de um formulário assinado | Somente imagem |
| 5 | Texto de encerramento | contentar |
Quando o ficheiro carregar, o resumo lê as páginas em branco do & quot; 2 detected", e as páginas 2 e 3 são pré - seleccionadas a vermelho A página 4 fica por seleccionar sem marcador O botão lê o & quot; Baixar (2 páginas removidas) & quot;.
Antes: 1 2 3 4 5
Depois: 1 4 5, renumerado no novo arquivo como 1 2 3
O ficheiro guardado é report_cleaned_2_removed.pdf, com três páginas A página original 4 é agora a página 2 e a página original 5 é agora a página 3.
Agora altere um detalhe Suponha que a página 4 fosse uma varredura do verso vazio de uma folha em vez de um formulário assinado A análise alcançaria exatamente o mesmo veredicto, somente imagem, e o arquivo carregaria exatamente da mesma maneira A diferença é que você clicaria na página 4 antes de baixar, o botão leria & quot; Baixar (3 páginas removidas) & quot; e a saída seria report_cleaned_3_removed.pdf com páginas 1 5, renumerado 1 2.
Por que uma página que parece em branco não foi detectada?
Uma página que parece em branco, mas não é pré-selecionada, quase sempre desenha algo pequeno ou invisível A análise é sobre operadores, e várias marcas comuns são fáceis de perder a olho nu.
Um cabeçalho ou rodapé em execução com um número de página é um operador de texto mostrando caracteres reais, então a página tem conteúdo Uma linha de borda fina, uma marca de corte ou uma regra de linha de cabelo é um operador de pintura de caminho Um retângulo preenchido com branco é um operador de preenchimento, mesmo que branco sobre branco não mostre nada E uma página digitalizada com uma camada de OCR carrega texto invisível em cima da imagem, desenhado com operadores de texto, para que ele leia como conteúdo.
Em todos esses casos a correção é a mesma: clique no número da página para selecioná-la à mão A ferramenta nunca impede que você remova uma página que não detectou, apenas se recusa a decidir por você.
Se o ficheiro não abrir de todo e a página mostrar o & quot; Erro ao carregar o PDF. Por favor tente outro ficheiro.", a causa mais provável é a protecção por senha Os PDFs encriptados são recusados quando são analisados Remova a senha num visualizador de PDF em que confia, guarde uma cópia e carregue essa cópia em vez disso.
O que muda no arquivo limpo, e o que não muda?
As páginas que você mantém são copiadas como estão, e os extras no nível do documento não são Entender a divisão ajuda você a decidir se deve manter o original.
As páginas mantidas são copiadas com pdf-lib' s cópia da página, não renderizada e recodificada O texto permanece selecionável, as fontes permanecem incorporadas, as imagens mantêm sua resolução e cada página mantém seu tamanho e rotação O conteúdo de uma página mantida é byte por byte, as mesmas instruções de desenho que tinha antes.
O que não é transportado é a estrutura que pertence ao documento e não às páginas O novo arquivo não tem título de documento e nem marcadores, porque a árvore de contorno vive no nível do documento Mantenha o original se isso for importante para você, o que é fácil porque a ferramenta nunca o modifica: o PDF limpo é um novo download.
O tamanho do arquivo geralmente cai, mas por menos do que as pessoas esperam Uma página que não desenha nada não contém quase nenhum dado, então removê-lo economiza pouco A economia real vem de arquivos digitalizados, onde cada página em branco é uma imagem em tamanho real Se o objetivo é um anexo menor, em vez de menos páginas, execute o resultado através Comprimir PDF também; o guia para compactar um PDF explica o que a compressão pode e não pode encolher.
Remover páginas em branco vs Excluir páginas PDF vs Organizar PDF
Essas três ferramentas se sobrepõem, e escolher a correta se resume a saber se você já sabe quais páginas devem ir.
| situação | Melhor ferramenta | por que |
|---|---|---|
| Você não sabe onde estão as páginas em branco | remover páginas em branco | Encontra páginas que não desenham nada e pré-seleciona-as |
| Você conhece os números das páginas ou um intervalo a ser cortado | excluir páginas de pdf | Remove as páginas que você nomeia, em branco ou não |
| Você precisa remover algumas páginas e reordenar o resto | organizar pdf | Mova e exclua páginas de uma só vez |
| Você deseja as seções separadas em branco como arquivos separados | dividir pdf | Corte o documento em vários PDFs por intervalo |
Um padrão útil para documentos digitalizados é combiná-los Use o detector de página em branco primeiro para pegar as páginas que certamente estão em branco e para ver a grade de páginas, em seguida, clique as costas vazias digitalizadas à mão Se a ordem da página também estiver errada após a digitalização, o guia para organizar páginas PDF abrange a reordenação, e o mesmo processamento do lado do cliente se aplica O conjunto completo de ferramentas de página está no Hub de ferramentas PDF.
É seguro remover páginas em branco de documentos confidenciais online?
Com uma ferramenta do lado do cliente, o documento nunca sai do seu dispositivo O arquivo é lido, analisado e reescrito em JavaScript dentro da guia do navegador Ele não é carregado, registrado ou armazenado em um servidor e, uma vez que a página tenha carregado, continua funcionando sem conexão de rede.
Isso importa para os documentos que tendem a coletar páginas em branco: contratos digitalizados, papelada médica e de seguros, extratos bancários e arquivos de RH. Esses são exatamente os arquivos que não devem ser enviados a um servidor desconhecido para excluir algumas folhas vazias. A ferramenta é gratuita, sem inscrição e não adiciona marca d'água.
Alternativas a um removedor de página em branco online
Uma ferramenta de navegador é uma das várias rotas e cada uma tem um lugar.
Editores de PDF de desktop, como o Adobe Acrobat, podem excluir páginas de um painel de miniaturas, e algumas edições pagas incluem uma opção de detecção de página em branco em sua verificação ou otimizar recursos Essa rota atende pessoas que já possuem o software licenciado.
O software do scanner é muitas vezes o melhor local para corrigir o problema na origem Muitos controladores do scanner incluem um & quot; saltar páginas em branco & quot; ou & quot; remover páginas em branco & quot; opção que mede a imagem à medida que é capturada, antes do PDF ser escrito Porque o driver vê os pixels, ele pode pegar costas em branco que uma verificação no nível do operador não pode. Ligá-lo evita o problema para varreduras futuras.
As ferramentas da linha de comando se adequam ao trabalho em lote. qpdf pode gravar um novo arquivo de páginas selecionadas, por exemplo qpdf in.pdf --pages . 1,4,5 -- out.pdf, uma vez que você sabe quais páginas manter Detectar páginas digitalizadas em branco em um script geralmente significa renderizar cada página com uma ferramenta como Ghostscript ou Poppler e medir quanto da imagem não é branca.
A vantagem da ferramenta do lado do cliente é que ela não precisa de instalação, executa a mesma em qualquer sistema operacional, nunca carrega o arquivo e mostra todas as decisões antes que qualquer coisa seja excluída.
