帶有空白頁面的 PDF 在列印、透過電子郵件發送給客戶或提交給統計頁數的入口網站之前是一個小煩惱。雙面掃描器保存每張單面紙張的空背面。由於段落標記有誤,Word 匯出會新增最後一頁。合併留下分隔符號。這些頁面沒有任何內容,但它們需要紙張,可以延長捲軸並使文件看起來未完成。
刪除它們聽起來很瑣碎,對於一個頁面,您可以看到並命名它。困難的部分是在一個長文件中找到它們,並決定哪些頁面是真正的空白。本指南解釋了空白頁面如何進入 PDF、軟體如何區分空白頁面和包含內容的頁面、檢測在哪裡用完以及如何使用 刪除空白頁工具 在不刪除所需內容的情況下清理檔案。
TL;DR: 空白 PDF 頁面是不繪製任何內容的頁面:它沒有內容流、沒有繪圖運算子的內容流或僅顯示空格的文字運算子。這 刪除空白頁 工具讀取每一頁' s 內容流,預先選擇肯定是空白的頁面,並留下僅繪製圖像(掃描的空白頁的樣子)的頁面供您手動選擇。您確認選擇,必須保留至少一頁,並且已清理的檔案下載為
name_cleaned_N_removed.pdf. 它是客戶端的,免費的,沒有註冊,也沒有上傳任何內容。
PDF 中的空白頁從何而來?
空白頁幾乎總是文件製作方式的副作用,而不是任何人故意做出的選擇。常見的來源分為幾種模式,知道哪一個產生了空白頁面會告訴您如何偵測它們。
雙面掃描是最大的來源。掃描器設定捕捉每張紙的兩面,將單面頁的背面保存為自己的圖像。以這種方式掃描的 20 頁字母變成 40 頁 PDF,其中包含 20 張近白色影像。
文字處理器導出是第二個。最後一行後面跟著空段落、分頁或分節符的文檔可以與尾隨頁一起導出。該頁面通常包含一個顯示單一空格的文字運算符,因為導出器在找到空段落時將其寫出。
合併和模板是第三個。組合多個 PDF 可以保留封面分隔符號或分隔頁,報告產生器通常會將文件填充到偶數頁數,以便雙面列印行。
頁面級編輯是最後的。作為佔位符添加且從未填寫的頁面在隨著時間的推移而建立的文件中很常見。
這些模式很重要,因為它們產生不同類型的"空白&引用;在文件內部。有些頁面根本不包含任何內容。有些包含不繪製任何內容的說明。有些包含整頁白皮書圖片。軟體可以確定地識別前兩個,並且在不測量像素的情況下無法識別第三個。
軟體如何判斷 PDF 頁面是空白的?
軟體透過讀取頁面'從包含內容的頁面中告訴空白頁面。內容流並檢查其中的任何指令是否在頁面上打標。它不會查看渲染的圖片。
每個 PDF 頁面都將其外觀描述為內容流:具有操作數的運算子序列,在 PDF 規範中定義 ISO 32000-2. 大多數運營商只設定狀態。 Tf 選擇字體和大小, Td 移動文字位置, rg 設定填充顏色, cm 改變座標系。它們都沒有自己繪製任何東西。只有一小群操作員在頁面上標記:
- 文字顯示運算子:
Tj,TJ,'和" - 路徑繪製運算子:
S,s,f,F,f*,B,B*,b和b* Do,繪製外部對象,例如圖像或形式sh,這畫了一個陰影BI,它開始內聯圖像
內容流不包含這些運算子的頁面不會繪製任何內容,無論流有多長。這是一個明確的答案,而不是一個估計,它是 的基礎 空白頁面刪除器 在工具上。
檢查必須小心什麼是操作員。這封信 f 是一個填充運算符,但它也出現在字體名稱中,例如 /F1. 字串文字,例如 (BT Do ET) 是要顯示的文本,而不是三個運算子。因此,該工具在掃描之前會剝離字串文字、十六進位字串和註釋,並且它僅匹配令牌邊界上的運算符。如果沒有這個步驟,每個字體引用都會看起來像墨水,幾乎沒有頁面會被報告為空白。
"blank" 是什麼?內容流看起來像?
看到內容流使這個想法變得具體。這是三個解碼流,您可以在匯出文件的三頁後面找到這種流。
繪製文字的頁面:
BT
/F1 12 Tf
72 720 Td
(Hello) Tj
ET
唯一文字為單一空格的頁面,來自 Word 匯出的經典尾頁:
BT
/F1 12 Tf
72 720 Td
( ) Tj
ET
設定狀態但從不繪製的頁面:
q
0 0 0 rg
1 0 0 1 72 720 cm
Q
第一個流顯示字串 Hello,所以頁面有內容。第三個根本沒有標記運算符,所以它是空白的。第二個是有趣的。它包含 Tj,所以一個簡單的運算子計數會稱之為內容。但它顯示的唯一字串是一個空格,它不會將任何內容放在紙上可見。
該工具明確處理這種情況。當頁面上的每個標記運算子都是文字運算子時,它會查看顯示的字串。如果每個文字字串都是空白,並且每個十六進位字串都解碼為空格、製表符或換行符,則該頁面將被報告為 "僅繪製和引用空白;並被視為空白。這條規則涵蓋了人們試圖從匯出文件中刪除的大部分空白頁面。
偵測到哪些頁面,哪些頁面留給您?
該工具為每頁提供了三個判決之一,並且僅預先選擇其中一個進行刪除。該表總結了每種頁面是如何繪製的以及會發生什麼。
| 頁面類型 | 其內容流包含什麼 | 判決 | 預先選擇刪除 |
|---|---|---|---|
| 頁面已新增且從未被繪製 | 沒有內容流 | 空白("無內容流。") | 是的 |
| 僅設定字體、顏色或座標的頁面 | 操作員,但沒有一個標記頁面 | 空白("內容流不繪製任何內容。") | 是的 |
| Word 匯出中的尾隨頁 | 僅顯示空格或換行符的文字運算子 | 空白("僅繪製空白。") | 是的 |
| 掃描的空白頁 | 一個單身的 Do 畫白色圖像 |
僅圖像 | 不 |
| 包含真實內容的掃描頁面 | 一個單身的 Do 畫一個圖像 |
僅圖像 | 不 |
| 頁面有頁腳編號、邊框線或白色矩形 | 文字或路徑繪製運算子 | 內容 | 不 |
| 流無法解碼的頁面 | 未知 | 內容,保持安全 | 不 |
| 普通文字或圖形頁面 | 標記運算符 | 內容 | 不 |
兩行值得仔細觀察。
從工具和#39;s 的角度來看,純圖像行兩次是同一行。掃描的空白紙和掃描的簽署的合約都是用一張圖像繪製的 Do. 區分它們需要渲染頁面並測量像素的白色程度,這需要工具不攜帶的渲染引擎。它不是猜測,而是留下僅圖像的頁面未選擇和未標記,因此它們看起來像網格中的任何其他頁面。刪除頁面無法撤銷,並且在合約上猜測錯誤的工具比詢問的工具造成的傷害更大。
不可解碼的行是安全規則。如果內容流被無法讀取的過濾器壓縮,則無法判斷該頁面,因此將其視為內容。因解析失敗而刪除頁面是無法恢復的結果。
如何逐步從 PDF 中刪除空白頁面?
工作流程有四個步驟,直到最後一個步驟才刪除任何內容。
- 開啟文件。 將 PDF 拖曳到 刪除空白頁面工具 或點擊選擇一個。該頁面顯示檔案名稱、大小和頁數。
- 閱讀分析。 每一頁都會被檢查。例如,摘要行讀取 "2 偵測到空白頁並引用;空白頁在已選擇的頁面網格中以紅色顯示。
- 調整選擇。 點擊任何頁碼將其新增或刪除。 &引用;選擇空白&引用;恢復偵測到的集合,並&引用;選擇全部&引用;清除所有內容。您取消選擇的偵測到的空白頁面保留一個小黃點,因此您仍然可以看到分析發現的內容。對於掃描的文件,請與原始文件進行比較,然後按一下真正為空的純圖像頁面。
- 下載。 按鈕讀取&引用;下載(刪除 2 頁)&引用;或任何您的計數。其餘頁面被複製到以原始文件命名的新文件中,例如
report_cleaned_2_removed.pdf.
網格下的輸出摘要顯示原始頁面、要刪除的頁面和結果頁面,因此您可以在點擊之前檢查算術。當未選擇任何內容以及選擇每個頁面時,下載按鈕將被停用,因為輸出中必須保留至少一頁。
一個可行的例子:之前和之後
取一個五頁的文件,稱為 report.pdf,從多個來源組裝:
| 頁面 | 它包含什麼 | 判決 |
|---|---|---|
| 1 | 標題和介紹文字 | 內容 |
| 2 | 佔位符頁面,從未繪製過 | 空白 |
| 3 | Word 匯出留下的單一空格 | 空白 |
| 4 | 簽名表單的掃描影像 | 僅圖像 |
| 5 | 結束文字 | 內容 |
當檔案載入時,摘要會讀取"2 偵測到空白頁並引用;第 2 頁和第 3 頁以紅色預先選擇。第 4 頁未選擇,沒有標記。按鈕讀取&引用;下載(刪除 2 頁)並引用;。
之前: 1 2 3 4 5
之後: 1 4 5,在新文件中重新編號為 1 2 3
已儲存的檔案是 report_cleaned_2_removed.pdf,三頁。原來的第 4 頁現在是第 2 頁,原來的第 5 頁現在是第 3 頁。
現在更改一個細節。假設第 4 頁是掃描一張紙的空背面,而不是簽署的表格。分析將達到完全相同的結論,僅圖像,並且文件將以完全相同的方式加載。不同之處在於,您在下載之前點擊第 4 頁,按鈕將讀取並引用;下載(刪除 3 頁)並引用;,輸出將是 report_cleaned_3_removed.pdf 帶頁面 1 5,重新編號 1 2.
為什麼沒有偵測到看起來空白的頁面?
看起來空白但未預先選擇的頁面幾乎總是會繪製一些小或不可見的東西。分析是關於運算符的,有幾個常見的標記很容易被忽略。
帶有頁碼的運行標題或頁尾是顯示真實字元的文字運算符,因此頁面有內容。細邊框線、裁剪標記或髮際線規則是路徑繪製運算子。白色填充矩形是填充運算符,即使白底白字什麼也沒顯示。帶有 OCR 層的掃描頁面在圖像頂部帶有不可見的文本,用文本運算符繪製,因此它讀作內容。
在所有這些情況下,修復都是相同的:點擊頁碼手動選擇。該工具永遠不會阻止您刪除它未偵測到的頁面,它只會拒絕為您做出決定。
如果檔案根本無法打開並且頁面顯示 "載入 PDF 時出錯。請嘗試另一個文件。&引用;最可能的原因是密碼保護。解析加密 PDF 時將被拒絕。刪除您信任的 PDF 檢視器中的密碼,儲存副本,然後載入該副本。
已清理的文件有哪些變化,哪些沒有變化?
您保留的頁面按原樣複製,而文件級附加內容則不然。了解分割有助於您決定是否保留原件。
保留的頁面使用 pdf-lib' 複製; s 頁面複製,未渲染和重新編碼。文字保持可選擇性,字體保持嵌入,圖像保持其分辨率,並且每個頁面保持其大小和旋轉。保留頁面的內容逐字節與其先前的繪圖說明相同。
不保留的是屬於文件而不是頁面的結構。新文件沒有文件標題,也沒有書籤,因為輪廓樹位於文件層級。如果這些對您來說很重要,請保留原始內容,這很容易,因為工具永遠不會修改它:清理後的 PDF 是新下載的。
文件大小通常會下降,但會比人們預期的要小。什麼都不畫的頁面幾乎不保存任何數據,因此刪除它幾乎節省很少。真正的節省來自掃描文件,其中每個空白頁面都是全尺寸圖像。如果目標是較小的附件而不是較少的頁面,請執行結果 壓縮pdf 還有;這 壓縮 PDF 指南 解釋壓縮可以收縮和不能收縮的內容。
刪除空白頁與刪除 PDF 頁面與組織 PDF
這三種工具重疊,選擇正確的一個取決於您是否已經知道應該使用哪些頁面。
| 情況 | 最好的工具 | 為什麼 |
|---|---|---|
| 您不知道空白頁在哪裡 | 刪除空白頁 | 尋找不繪製任何內容的頁面並預先選擇它們 |
| 您知道頁碼或要剪下的範圍 | 刪除 pdf 頁面 | 刪除您指定的頁面,無論是否為空白 |
| 您需要刪除一些頁面並重新排序其餘頁面 | 組織pdf | 一次移動和刪除頁面 |
| 您希望將空白部分作為單獨的文件 | 拆分 pdf | 按範圍將文件切割成多個 PDF |
掃描文件的一個有用模式是將它們組合起來。首先使用空白頁面偵測器捕捉肯定為空白的頁面並查看頁面網格,然後用手按一下掃描的空背。如果掃描後頁面順序也錯誤,則 組織 PDF 頁面的指南 涵蓋重新排序,並適用相同的客戶端處理。全套頁面工具都在 PDF 工具中心.
從線上敏感文件中刪除空白頁面安全嗎?
使用客戶端工具,文件永遠不會離開您的裝置。該文件在瀏覽器標籤內以 JavaScript 進行讀取、分析和重寫。它不會上傳、記錄或儲存在伺服器上,一旦頁面載入,它就會在沒有網路連線的情況下繼續運作。
這對於傾向於收集空白頁的文件很重要:掃描的合約、醫療和保險文件、銀行對帳單和人力資源文件。這些正是不應發送到未知伺服器以刪除一些空表的文件。該工具是免費的,無需註冊,並且不會添加浮水印。
線上空白頁刪除器的替代方案
瀏覽器工具是多條路線之一,每條路線都有一個位置。
Adobe Acrobat 等桌面 PDF 編輯器可以從縮圖面板中刪除頁面,並且某些付費版本在掃描或優化功能中包含空白頁面偵測選項。該路線適合已獲得軟體許可的人。
掃描器軟體通常是從源頭解決問題的最佳場所。許多掃描器驅動程式包括 "跳過空白頁和引用;或&引用;刪除空白頁和引用;在編寫 PDF 之前測量捕獲的圖像的選項。因為驅動程式看到像素,所以它可以捕捉操作員級檢查無法捕捉到的空白背面。打開它可以防止將來掃描時出現問題。
命令列工具適合批次工作。 qpdf 例如,可以從選定的頁面編寫新檔案 qpdf in.pdf --pages . 1,4,5 -- out.pdf,一旦你知道要保留哪些頁面。偵測腳本中的空白掃描頁面通常意味著使用 Ghostscript 或 Poppler 等工具渲染每個頁面,並測量有多少影像是非白色的。
客戶端工具的優點是它不需要安裝,在任何作業系統上運行相同,從不上傳文件,並在刪除任何內容之前向您顯示每個決定。
