Glossário PDF: Extrair, Intervalo de Páginas, Subconjunto, Seleção de Páginas e Mais

Extrair páginas de PDF significa selecionar uma ou mais páginas de um PDF existente e copiá-las para um novo documento separado. O arquivo original não é modificado — o resultado é um novo PDF contendo apenas as páginas selecionadas. Extração difere de dividir (que distribui todas as páginas em vários arquivos de saída) e de excluir (que remove páginas do original).

Um intervalo de páginas especifica um bloco contíguo de páginas usando uma página inicial e uma página final — por exemplo, 'páginas 5 a 12' ou '5–12'. A maioria das ferramentas de extração aceita notação de intervalo em um campo de entrada de texto. Intervalos de páginas são a maneira mais rápida de extrair um capítulo, uma seção ou qualquer grupo de páginas consecutivas de um documento longo.

Seleção de páginas refere-se ao ato de escolher quais páginas específicas incluir em uma operação de extração. Você pode selecionar páginas individualmente clicando em suas miniaturas em uma prévia visual, inserindo números de página manualmente ou combinando notação de intervalo com números de página individuais.

No contexto de extração de PDF, um subconjunto é o grupo de páginas que você seleciona do documento completo. Se um PDF tem 100 páginas e você extrai as páginas 10–20 e a página 35, seu documento extraído é um subconjunto do original — contém 12 das 100 páginas. O termo também é usado em tipografia PDF, onde um subconjunto de fonte refere-se apenas aos caracteres de uma fonte que são realmente usados no documento.

O fluxo de conteúdo é a estrutura de dados dentro de uma página PDF que descreve todos os elementos visuais naquela página: posicionamento de texto, referências de fonte, posicionamentos de imagem, comandos de desenho vetorial e configurações de cor. Ao extrair páginas, a ferramenta copia o fluxo de conteúdo de cada página selecionada para o novo documento.

A árvore de páginas é o índice interno de um arquivo PDF que registra a ordem das páginas e mapeia cada número de página para seu fluxo de conteúdo e recursos associados. Ao extrair páginas, a ferramenta constrói uma nova árvore de páginas para o documento extraído contendo apenas as páginas selecionadas.

Recursos compartilhados são fontes, imagens e perfis de cores que são incorporados uma vez em um PDF e referenciados por várias páginas. Ao extrair um subconjunto de páginas, o documento extraído pode incluir alguns recursos compartilhados referenciados por páginas não selecionadas — porque a ferramenta deve incluir todos os recursos que as páginas extraídas precisam para renderizar corretamente. É por isso que um documento extraído pode às vezes ser maior do que o esperado.

Uma senha de permissões (também chamada de senha do proprietário ou senha de restrição) é um tipo de proteção de PDF que não impede o usuário de abrir ou ler o documento, mas restringe operações como edição, impressão, cópia e extração de páginas. Se um PDF tiver uma senha de permissões configurada para impedir extração de conteúdo, uma ferramenta de extração falhará a menos que a restrição seja removida primeiro.

WebAssembly é um formato de instrução binária que permite que código — incluindo bibliotecas complexas de processamento de PDF — execute no navegador em velocidade próxima ao nativo. O PDF ME usa WebAssembly para processar a extração de páginas inteiramente no seu dispositivo, sem fazer upload do seu arquivo para nenhum servidor.

Esses dois termos às vezes são usados de forma intercambiável, mas descrevem operações diferentes. Dividir distribui todas as páginas de um PDF em vários arquivos de saída — cada página vai para algum lugar. Extrair cria um novo documento a partir de um subconjunto selecionado de páginas, deixando o original intacto. Use extração quando precisar de um subconjunto específico; use divisão quando precisar distribuir todas as páginas.

DPI mede a resolução de imagens raster incorporadas em um PDF — DPI maior significa mais detalhes e maior tamanho de arquivo. A extração de PDF não altera o DPI da imagem porque os dados da imagem são copiados diretamente sem recodificação. Se uma página extraída parece ter qualidade inferior ao esperado, as imagens de origem provavelmente têm DPI baixo para começar.