Объединение и разделение файлов PDF

Соединить два PDF звучит как сложить две стопки бумаги, и для самих страниц это примерно так и есть. Интересные проблемы живут во всём, что страницы окружает. Страница PDF не носит с собой ни собственных шрифтов, ни цветовых профилей, ни описаний форм — она ссылается на общие таблицы, которые хранит документ. При объединении двух файлов эти таблицы нужно согласовать; при разделении одного — разделить. Делает ли инструмент это аккуратно или грубо — вот разница между объединённым файлом, равным сумме частей, и файлом вдвое тяжелее, потерявшим закладки и показывающим пустой блок подписи там, где была заполненная форма. Предупреждение перед чтением: наш инструмент сжимает, конвертирует и работает с паролями, и он НЕ объединяет и НЕ разделяет. Эта страница существует потому, что такие операции стоят рядом с нашими и потому, что знание о том, что ломает объединение, подсказывает, что проверять после.

Что объединению приходится согласовывать

Четыре вещи путешествуют с документом, а не со страницей. Первое — шрифты: каждый исходный файл встраивает свои подмножества, и наивное объединение сохраняет обе копии, даже если это одна и та же гарнитура; отсюда обычная причина, по которой объединённый файл тяжелее суммы оригиналов. Аккуратное объединение убирает дубликаты одинаковых шрифтовых программ. Второе — дерево закладок: у двух документов два корня, и что-то должно решить, станут ли они соседними ветвями или один набор просто выбросят, как поступает большинство быстрых инструментов. Третье — именованные назначения, внутренние якоря, делающие перекрёстные ссылки кликабельными: два файла запросто могут содержать якорь с именем «раздел1», и один из них проиграет. Четвёртое — метаданные, которые невозможно слить осмысленно, поэтому результат обычно наследует заголовок и автора первого файла и молча тащит их в документ, который стал уже чем-то иным.

Формы, подписи и аннотации

Настоящий ущерб объединение наносит интерактивным элементам. Поле формы — объект уровня документа; два файла, в каждом из которых есть поле с именем «дата», не могут сохранить оба, и обычный итог таков, что значение одного поля следует за другим, и заполнение одного меняет оба. Некоторые инструменты при объединении сводят формы в плоский вид, превращая поля в текст с печатным видом: это снимает конфликт, убирая интерактивность — приемлемо для архива и губительно, если получателю ещё предстоит заполнять. С цифровыми подписями проще и жёстче: подпись покрывает диапазон байтов подписанного документа, поэтому любое объединение делает её недействительной. Так подпись и должна работать. Если подписанный документ нужен внутри подборки, храните подписанный оригинал рядом отдельным файлом: ни один инструмент не объединит его, сохранив подпись действительной.

Что разделение забирает, а что нет

Разделение — это вычитание, оно обычно мягче, но у него своя ловушка. Если инструмент извлекает страницы с 5 по 10 в новый файл, эти страницы по-прежнему ссылаются на общие ресурсы всего документа, а ленивая реализация копирует таблицу ресурсов целиком — и вы получаете шестистраничный файл, тащащий шрифты и цветовые профили исходных двухсот страниц. Результат открывается верно и весит куда больше, чем должен. Закладки, указывающие за пределы извлечённого диапазона, нужно обрезать, иначе они станут мёртвыми ссылками, а внутренние перекрёстные ссылки на удалённые страницы молча уведут в никуда. Разделяя, сравните полученный размер с долей страниц: шесть страниц из двухсот не должны весить половину исходного файла, а если весят — прогоните результат через компрессор или смените инструмент.

Порядок страниц, поворот и скучные сбои

Большинство жалоб на объединение касается не порчи, а расстановки. Страницы, отсканированные вверх ногами, несут атрибут поворота, а не повёрнутые пиксели, и одни инструменты этот атрибут применяют, а другие отбрасывают, поэтому в объединённом файле вдруг появляются лежащие набок страницы, которые раньше выглядели нормально. Второй случай — смешанные форматы страниц: сочетание A4 и Letter или книжной и альбомной ориентации даёт корректный документ, который плохо печатается, потому что принтер масштабирует по первой странице или спрашивает о каждой. Ни то ни другое не чинится задним числом: решите до объединения, нужен ли вам единый формат, и, если нужен, сначала приведите выбивающиеся страницы к нему, а не отдавайте импровизацию принтеру.

Как выбрать способ

Для разового случая может хватить и операционной системы. Просмотр в macOS объединяет перетаскиванием миниатюр между открытыми документами. В Windows печать в драйвер Microsoft Print to PDF объединяет надёжно, но перерисовывает всё, а это сводит формы в плоский вид и может размягчить текст: нормально для архива и неверно для документа, который должен остаться резким. Инструменты командной строки дают самые предсказуемые результаты для повторяющейся работы и стоят изучения, если вы собираете документы регулярно. Веб-сервисы удобны и одновременно являются тем вариантом, при котором ваш документ покидает вашу машину, что действительно важно для договоров, медицинских записей и всего с персональными данными. Универсально правильного ответа нет; есть правильный ответ для каждого документа, и зависит он в основном от чувствительности содержимого и от того, должна ли уцелеть интерактивность.

Сжимайте после, а не до

Если объединённый документ пойдёт почтой, сжимайте готовый файл, а не каждый исходный. Сжать части и затем объединить — значит оставить дублирующиеся ресурсы на месте и перекодировать часть изображений дважды, что стоит качества почти без экономии. Один проход по собранному документу решает всё сразу, убирает дубли, оставленные объединением, и даёт вам единственное число для сравнения с лимитом почтового сервера. Та же логика и при разделении: извлеките нужные страницы и сожмите извлечённое, а не сжимайте двухсотстраничный файл, чтобы добраться до шести страниц.

Короткая проверка после каждого объединения или разделения

Откройте результат и подтвердите пять вещей. Число страниц — ожидаемое. Первая и последняя страницы каждого исходного раздела на месте и в правильную сторону. Поля форм по-прежнему принимают ввод либо намеренно сведены в плоский вид. Закладки работают или их нет — но не «есть и сломаны». И размер соразмерен: заметно больше суммы исходников — значит дублируются шрифты, а разделённый файл почти с родителя величиной — значит таблица ресурсов увязалась следом. Две минуты проверки ловят всё, что описано на этой странице, и ничего из этого не видно по миниатюре.