PDF,里面有空白页,直到打印出来,通过电子邮件发送给客户或提交到一个统计页面的门户网站,这是一种小烦恼,一个双工扫描仪保存了每个单面纸的空背面,一个Word导出因为一个杂散的段落标记而增加了最终页,一个合并留下了分隔纸,页面没有任何东西,但它们需要纸张,加长卷轴,使文档看起来未完成。
删除它们听起来很琐碎,对于一个页面,您可以看到并命名它。困难的部分是在长文件中找到它们,并决定哪些页面是真正的空白。本指南解释了空白页面如何进入 PDF、软件如何从包含内容的页面中告诉空白页面、检测到哪些位置用完以及如何使用 删除空白页面工具 清洁文件而不删除您需要的东西。
TL;博士: PDF空白页是无画图的页面:它没有内容流,没有绘图运算符的内容流,或者只显示空格的文本运算符。的 删除空白页 tool读取每个页面's内容流,预先选择肯定是空白的页面,并留下只绘制图像的页面(这是扫描的空白表的样子),供您手工选择,您确认选择,至少必须保留一个页面,并且清理的文件下载为
name_cleaned_N_removed.pdf。客户端,免费,无注册,无上传。
PDF中的空白页面来自哪里?
空白页面几乎总是文件制作方式的副作用,而不是任何人故意做出的选择。常见的来源分为少数模式,知道哪一个产生了您的空白页面,就会告诉您如何检测它们。
Duplex扫描是最大的来源,一个扫描仪设置为捕捉每张纸张的两面,将单面页面的背面保存为自己的图像,这样扫描的20张字母变成40页的PDF,里面有20张近白色的图像。
Word处理器导出是第二,最后一行后面跟着空段落、分页符或分段符的文档可以用尾页导出,该页通常保存一个显示单个空格的文本运算符,因为导出器将空段落写出来,因为它找到了它。
合并和模板是第三个。组合多个 PDF 可以结转封面分隔符或分隔表,并且报告生成器通常会将文档填充到均匀的页数,从而实现双面打印排队。
Page-level编辑是最后一个,一个作为占位符添加的页面,并且从未被填充,在随着时间的推移建立起来的文件中很常见。
些图案很重要,因为它们在文件内部产生不同种类的"空白"有些页面根本不包含任何内容,有些包含什么都不会绘制的指令,有些包含白纸的整页图片,软件可以确定地识别前两个,如果不测量像素就无法识别第三个。
PDF页面是空白的软件怎么分辨?
Software通过读取页面's内容流,检查其中是否有指令在页面上打标记,从有内容的页面告诉一个空白页面,它不看渲染的图片。
PDF的每个页面都将其外观描述为内容流:具有操作数的运算符序列,定义在PDF规范中, ISO 32000-2.大多数运营商只设置状态。 Tf 选择字体和大小, Td 移动文本位置, rg 设置填充颜色, cm 改坐标系, 他们都没有自己画什么, 只有一小群运算符在页面上标注:
- 文本显示操作员:
Tj、TJ、'並" - 路径绘制操作员:
S、s、f、F、f*、B、B*、b並b* Do的,它描绘了一个外部对象,如图像或形式sh的,它画了一个阴影BI的,它开始一个内联图像
一个内容流不包含这些运算符的页面什么也没画,无论流有多长。这是一个明确的答案,而不是估计,它是的基础 空白页删除器 在工具上。
Check要小心算什么算一个运算符, 信 f 是填充运算符,但它也出现在字体名称中,例如 /F1.字符串字面如 (BT Do ET) is text to be show, 而不是三个运算符。所以工具在扫描之前会把字符串文字、十六进制字符串和注释都剥去, 而且它只在令牌边界上匹配运算符。如果没有那个步骤, 每个字体引用都会像墨水一样, 几乎不会有页面被报告为空白。
"空白"内容流是什么样的?
看到内容流可以使想法具体化。这里有三个解码的流,即您在三页导出的文档后面会找到的那种。
绘制文本的页面:
BT
/F1 12 Tf
72 720 Td
(Hello) Tj
ET
Word 导出中唯一文本为单个空格的页面, 经典尾页:
BT
/F1 12 Tf
72 720 Td
( ) Tj
ET
设置状态但从不绘制的页面:
q
0 0 0 rg
1 0 0 1 72 720 cm
Q
第一个流显示字符串 Hello的, 所以页面有内容, 第三个根本没有标记运算符, 所以是空白的, 第二个是有趣的, 它包含 Tj(so a simple operator count)会称之为内容,但它显示的唯一字符串是一个空格,它没有在纸上显示任何可见的内容。
该工具明确处理该情况。当页面上的每个标记运算符都是文本运算符时,它会查看显示的字符串。如果每个字面字符串都是空格,并且每个十六进制字符串解码为空格、选项卡或换行,则该页面报告为 "仅绘制空格 " 并被视为空白。该规则捕获了人们试图从导出文档中删除的空白页面中的很大一部分。
检测到哪些页面,哪些页面留给您?
该工具为每个页面提供三个判决中的一个,并且仅预先选择其中一个进行删除。该表总结了每种页面的绘制方式以及它会发生什么。
| 页类型 | 它的内容流所持有的内容 | 判决 | 预先选择删除 |
|---|---|---|---|
| 添加页面且从未绘制 | 没有内容流 | 空("无内容流。") | 是的 |
| 仅设置字体、颜色或坐标的页面 | 操作员,但没有一个标记页面 | 空("内容流什么也没画。") | 是的 |
| Word 导出的尾页 | 仅显示空格或换行符的文本运算符 | 空("只画空白。") | 是的 |
| 扫描空白纸 | 一个单一的 Do 画白色图像 |
仅限图像 | 否 |
| 扫描页面包含真实内容 | 一个单一的 Do 画一个图像 |
仅限图像 | 否 |
| 带有页脚编号、边框线或白色矩形的页面 | 文本或路径绘制运算符 | 内容 | 否 |
| 无法解码流的页面 | 未知 | 内容,保持安全 | 否 |
| 正常文本或图形页面 | 标记运算符 | 内容 | 否 |
两行值得仔细观察。
2次只图行是同一行,从工具's的角度看,扫描的空白单和扫描的签合同都是用一张图绘制的 Do.把它们分开,需要渲染页面,测量像素有多白,这需要工具不携带的渲染引擎,而不是猜测,它会留下仅图像的页面未选择和未标记,因此它们看起来像网格中的任何其他页面,删除页面无法撤消,而猜错合同的工具比询问的工具伤害更大。
无法解码行是一个安全规则,如果一个内容流被压缩了一个无法读取的过滤器,则无法判断该页面,因此将其视为内容,因为解析失败而删除页面是没有恢复的一个结果。
如何逐步从 PDF 中删除空白页面?
工作流程有四个步骤,直到最后一个步骤才删除任何内容。
- 打开文件。 将 PDF 拖到 删除空白页工具 or点击选一个,页面显示文件名、大小和页面数。
- 阅读分析。 每页都经过检查。摘要行读取,例如,"检测到2个空白页",空白页在页面网格中以红色显示,已选中。
- 调整选择。 单击任意页码添加或删除。 "选择空白"恢复检测到的集合,并且 "取消选择 All"清除所有内容。您取消选择的检测到的空白页面保留一个小黄点,因此您仍然可以看到分析发现的内容。对于扫描的文件,与原始文件进行比较,然后单击真正为空的仅图像页面。
- 下载。 Download (移除2页)" 或任何你数到的按钮, 其余的页面被复制到一个以原文命名的新文档中, 例如
report_cleaned_2_removed.pdf。
Grid下的输出摘要显示原始页面,要删除的页面和生成的页面,所以你可以在点击之前检查算术,当没有选择任何内容和每个页面被选择时,下载按钮被禁用,因为输出中必须至少保留一个页面。
一个有效的例子:之前和之后
取一个名为的五页文件 report.pdf,从几个来源组装而成:
| 页码 | 它包含什么 | 判决 |
|---|---|---|
| 1 | 标题和介绍文本 | 内容 |
| 2 | 占位符页面,从未绘制过 | 空白 |
| 3 | Word 导出留下的单个空格 | 空白 |
| 4锛屽湪娴欐睙鏉 | 签名表格的扫描图像 | 仅限图像 |
| 5锛屽湪娴欐睙鏉 | 结束文本 | 内容 |
File 加载时,摘要读取"2空白页检测到",第2页和第3页为红色预选,第4页未选择,无标记,按钮读取"下载(移除2页)"。
前: 1 2 3 4 5
后: 1 4 5中,在新文件中重新编号为 1 2 3
保存的文件是 report_cleaned_2_removed.pdf3页,原第4页现为第2页,原第5页现为第3页。
Now change one detail。Suppose page 4 是对一张纸的空背面的扫描而不是签名的表格。分析将达到完全相同的判决,仅图像,文件将以完全相同的方式加载。不同的是,您在下载之前会单击第 4 页,按钮将读取 "下载(删除 3 页)",输出将是 report_cleaned_3_removed.pdf 与页面 1 5,重新编号 1 2。
为什么没有检测到看起来空白的页面?
1页看上去空白却没有预选的页面,几乎都是画些小小的或看不见的东西,分析是关于运算符的,几个常见的标记很容易被眼睛错过。
带页码的运行页眉或页脚是显示真实字符的文本运算符,因此该页面有内容,细边框线、裁剪标记或发际线规则是路径绘制运算符,白色填充矩形是填充运算符,尽管白色上的白色什么也不显示。以及带有 OCR 层的扫描页面在图像顶部带有不可见的文本,用文本运算符绘制,因此它读取为内容。
在所有这些情况下,修复都是相同的:单击页码手动选择它。该工具永远不会阻止您删除它未检测到的页面,它只拒绝为您做出决定。
如果文件根本没有打开,并且页面显示"加载PDF时出错,请尝试另一个文件。",最有可能的原因是密码保护。加密的PDF在解析时会被拒绝。在您信任的PDF查看器中删除密码,保存副本,然后加载该副本。
已清理文件中有哪些更改,哪些没有更改?
您保留的页面按原样复制,文档级附加内容则不然。了解分割有助于您决定是否保留原件。
Pdf-lib's页面副本复制保存的页面,不渲染和重新编码 文本保持可选,字体保持嵌入,图像保持其分辨率,每个页面保持其大小和旋转 保存页面的内容是字节对字节与之前相同的绘图说明。
Bu结转的是属于文档而不是页面的结构,新文件没有文档标题,没有书签,因为轮廓树生活在文档层面,如果那些对你很重要,保留原件,这很容易,因为工具从不修改它:清理过的PDF是新的下载。
File size 通常会下降,但比人们预期的要少,一个什么都画的页面几乎不保存任何数据,因此删除它节省的很少,真正的节省来自扫描的文件,其中每个空白页面都是全尺寸图像,如果目标是较小的附件而不是更少的页面,则将结果运行通过 压缩PDF 还有;的 压缩 PDF 指南 解释了什么压缩可以收缩,什么不能收缩。
删除空白页面 vs 删除 PDF 页面 vs 组织 PDF
这三个工具重叠,选择正确的工具取决于您是否已经知道应该访问哪些页面。
| 情况 | 最好的工具 | 为什么 |
|---|---|---|
| 您不知道空白页在哪里 | 删除空白页 | 查找什么也没画的页面并预先选择它们 |
| 您知道页码或要剪切的范围 | 删除 PDF 页面 | 删除您命名的页面,无论是否为空白 |
| 您需要删除一些页面并重新排序其余页面 | 组织PDF | 一次移动和删除页面 |
| 您希望空白分隔的部分作为单独的文件 | 分割PDF | 按范围将文档切割成多个 PDF |
扫描文档的一个有用模式是组合起来,先用空白页面检测器抓取肯定是空白的页面,看到页面网格,然后用手点击扫描的空背,如果扫描后页面顺序也错误,则 PDF页面整理指南 cover 重新排序,适用相同的客户端处理,全套页面工具在 PDF 工具集线器。
在线从敏感文档中删除空白页面安全吗?
Client端工具,文档永远不会离开你的设备,文件在浏览器选项卡内用JavaScript读取、分析和重写,它不会上传、记录或存储在服务器上,一旦页面加载完毕,它就可以在没有网络连接的情况下继续工作。
That matters for the documents that tending to collect blank pages: scanned contracts, medical and insurance paperwork, bank statements and HR files。those is excluded the files that should not send to an unknown server to delete a few sopping emplate。the tool is free, no signup, and adding no watermark。
在线空白页删除器的替代方案
浏览器工具是多种路线之一,每种路线都有一个位置。
Adobe Acrobat等桌面PDF编辑器可以从缩略图面板中删除页面,一些付费版本在其扫描或优化功能中包含空白页面检测选项,该路线适合已经获得软件许可的人。
Scanner 软件往往是解决问题的最佳场所,在源头,许多扫描仪驱动程序都包含一个 " 跳过空白页 " 或 " 删除空白页 " 选项,该选项在捕获图像时对其进行测量,在 PDF 写入之前,由于驱动程序看到像素,它可以捕获操作员级别检查无法打开的空白背面,从而防止将来扫描出现问题。
命令行工具适合批量工作。 qpdf 例如,可以从选定的页面编写新文件 qpdf in.pdf --pages . 1,4,5 -- out.pdf者,(一旦你知道要保留哪一页),检测脚本中的空白扫描页通常意味着用 Ghostscript 或 Poppler 这样的工具渲染每个页面,并测量图像中有多少是非白色的。
客户端工具的优点是它不需要安装,在任何操作系统上运行相同,永远不会上传文件,并且在删除任何内容之前向您显示每个决定。
