Ein paar Seiten aus einem Auszug holen, ohne etwas zu installieren

Extrahieren und Löschen führen nicht an denselben Ort

Ein PDF ist eine nummerierte Sammlung von Objekten — Seitenbeschreibungen, Schriften, Bilder, Ströme von Zeichenanweisungen — mit einer Tabelle, die festhält, wo jedes liegt und welche gerade referenziert sind. Die Seitenliste ist selbst nur ein weiteres Objekt, ein Baum, der der Reihe nach auf die Seitenobjekte zeigt. Eine Seite aus diesem Baum zu nehmen ist eine kleine Änderung: die Seite wird nicht mehr angezeigt und nicht mehr gezählt. Ob das Objekt, auf das sie zeigte, auch aus der Datei getilgt wird, ist eine eigene Entscheidung, und viele Editoren treffen sie nicht — besonders dann nicht, wenn sie speichern, indem sie Änderungen ans Dateiende anhängen, statt die Datei neu zu schreiben.

Extraktion hat diese Mehrdeutigkeit nicht, weil sie in die Gegenrichtung arbeitet. Sie legt ein leeres Dokument an und kopiert nur die verlangten Seiten hinein, samt der Ressourcen, die diese Seiten brauchen. Nichts bleibt zurück, weil nie etwas anderes herübergeholt wurde. Das ist der ganze Grund, sie zu bevorzugen: die Garantie kommt aus der Konstruktion, nicht aus dem Vertrauen darauf, dass ein Werkzeug hinter sich aufgeräumt hat.

Das schwarze Rechteck ist hier der teuerste Fehler

Hier lohnt sich Deutlichkeit, denn das hat Regierungen, Kanzleien und Zeitungen wiederholt und öffentlich blamiert. Eine PDF-Seite wird in Schichten gezeichnet, und eine zuletzt gezeichnete Anmerkung liegt über dem Vorherigen. Ein gefülltes schwarzes Rechteck über eine Kontonummer zu legen ändert das Aussehen der Seite und nichts an ihrem Inhalt. Der Text darunter ist weiterhin ein Objekt der Datei. Er lässt sich mit dem Cursor markieren, herauskopieren, von jedem Textextraktionswerkzeug herausholen und von einer Suchmaschine lesen, die das Dokument indexiert.

Der verlässliche Weg, etwas von einer behaltenen Seite zu entfernen, ist, den Text nicht existieren zu lassen. Wandle die Seite in ein Bild, übermale den Bereich in diesem Bild, sodass sich die Pixel selbst ändern, und baue ein neues PDF aus dem Ergebnis. Du verlierst markierbaren Text auf dieser Seite, und genau das ist der Zweck: es gibt keinen Text mehr zum Markieren. Es ist ein echter Preis — die Seite ist nicht mehr durchsuchbar und für unterstützende Technik nicht mehr lesbar — also wende ihn auf die Seiten an, die ihn brauchen, nicht auf das ganze Dokument.

Gedruckte Seitenzahlen sind nicht die Seitenzahlen der Datei

Das erwischt fast jeden einmal. Extraktion zählt physische Seiten ab eins; die auf der Seite gedruckte Zahl zählt, was der Gestalter des Dokuments entschieden hat. Ein Auszug mit unnummeriertem Deckblatt setzt gedruckte Seite 1 auf physische Seite 2, also liefert die Bitte um Seiten 3 bis 5 die gedruckten Seiten 2 bis 4 — plausibel genug, dass du es übersiehst, falsch genug, dass der Empfänger es merkt. Geschäftsberichte mit römisch nummeriertem Vorspann verschieben mehr, und ein aus mehreren Quellen zusammengesetztes Dokument kann die Zählung mittendrin neu beginnen.

Die Abhilfe ist, die physische Position zu lesen, nicht die gedruckte Beschriftung. Scrolle zur gewünschten Seite und notiere, wo sie im Zähler des Betrachters steht, der physisch zählt. Dann extrahieren, das Ergebnis öffnen und bestätigen, dass du den gemeinten Inhalt hast und nicht die erbetenen Zahlen. Bei einem Dokument, dessen Seiten alle gleich aussehen — zwölf Monate desselben Auszugslayouts —, ist diese Bestätigung das Einzige zwischen dir und dem Versand des Februars, wo der März verlangt war.

Was mit einer extrahierten Seite mitgeht und was nicht

Der eigene Inhalt der Seite kommt unversehrt mit — Text, Schriften, Bilder, Vektorzeichnung. Was zum Dokument statt zur Seite gehört, folgt meist nicht. Lesezeichen, die auf nicht mitgenommene Seiten zeigen, haben kein Ziel mehr. Interne Links, ein Inhaltsverzeichnis, Querverweise auf andere Abschnitte brechen oder verschwinden. Formularfelder können als Felder überleben oder je nach Werkzeug fixiert werden. Zählt davon etwas für das, was du verschickst, prüfe es an der extrahierten Datei, statt es anzunehmen.

Eines geht sehr wohl mit und sollte nicht vergessen werden: Metadaten. Autor, erzeugende Anwendung, Erstellungs- und Änderungsdatum und mitunter eine vollständige Bearbeitungshistorie liegen auf Dokumentebene und werden häufig in die neue Datei kopiert. Bei einem Dokument, das du aus deiner Organisation hinausschickst, kann das mehr verraten als die Seiten selbst — den Namen der vorbereitenden Person, die interne Vorlage, aus der es stammt, die Tatsache, dass es vor einer Stunde geändert wurde.

Die Seiten schicken oder das Ganze?

Hier gibt es eine echte Spannung, und die ehrliche Antwort hängt davon ab, wer fragt. Ein Vermieter, ein Arbeitgeber oder ein Kreditgeber, der den Nachweis einer Sache verlangt, hat keinen Anspruch auf den Rest deines Finanzlebens, und nur die einschlägigen Seiten zu schicken ist vernünftig und nach dem Grundsatz der Datenminimierung die bessere Praxis. Eine Steuerbehörde oder ein Prüfer, der einen Zeitraum verlangt, will meist den ganzen Zeitraum, und die von dir für einschlägig gehaltenen Teile zu extrahieren sieht nach Auswahl aus — der Anschein, sich seine Belege auszusuchen, kann teurer werden als die Offenlegung.

Ein praktischer Mittelweg deckt die meisten Fälle: schick das vollständige Dokument für den verlangten Zeitraum, wobei wirklich Unerhebliches und Sensibles auf Pixelebene entfernt wird statt durch Weglassen von Seiten. Das hält die Abfolge intakt und prüfbar — Seitenzahlen laufen lückenlos, Salden werden vorgetragen — und gibt trotzdem nicht heraus, wonach niemand gefragt hat. Was immer du wählst, sag im Begleittext, was du getan hast. „Seiten 3 bis 5 des März-Auszugs“ weckt keinen Verdacht; eine stille Lücke zwischen Seite 2 und Seite 6 weckt reichlich.

Prüfe das Ergebnis, nicht den Vorgang

Jeder Fehlschlag dieses Artikels ist im Werkzeug unsichtbar und im Ergebnis sichtbar. Die extrahierte Datei hat die falschen Seiten; die geschwärzte Seite gibt weiterhin Text her, wenn du mit dem Cursor darüberfährst; die Metadaten nennen weiterhin deine Kollegin. Alle drei sind in Sekunden an der Datei prüfbar, die du gleich verschickst, und keiner davon an der, mit der du begonnen hast. Öffne das Ergebnis, zähle die Seiten, versuche das Verborgene zu markieren, und häng es erst dann an.

Häufige Fragen

Kann der Empfänger erkennen, dass ich nur einen Teil extrahiert habe?

Meist ja, und das ist in Ordnung. Gedruckte Seitenzahlen, eine Kopfzeile „Seite 3 von 12“, ein laufender Saldo, der mittendrin beginnt — all das macht es offensichtlich, und nichts davon ist ein Problem, wenn du gesagt hast, was du geschickt hast. Zum Problem wird es beim Versuch, die Extraktion zu verschleiern: ein Teilauszug, der als vollständig ausgegeben wird, ist weit schlimmer als einer, der als Teil beschrieben wird.

Verringert Extrahieren die Dateigröße proportional?

Ungefähr, aber nicht genau, und es kann in beide Richtungen überraschen. Schriften und Bilder, die im ganzen Dokument geteilt werden, müssen mit, sobald eine extrahierte Seite sie nutzt — drei von zwölf Seiten können also mehr als ein Viertel des Originals wiegen. Umgekehrt: lagen alle großen Bilder auf den weggelassenen Seiten, wiegen drei Seiten fast nichts. Urteile nach der entstandenen Datei, nicht nach dem Seitenanteil.

Wie prüfe ich, ob eine Schwärzung wirklich gewirkt hat?

Öffne die fertige Datei, ziehe den Cursor über den geschwärzten Bereich und kopiere. Dann in ein beliebiges Textfeld einfügen. Erscheint etwas, steckt die Information weiterhin im Dokument, und die schwarze Form ist Dekoration. Mach dasselbe mit der ganzen Seite markiert — manchmal ist der verborgene Text so erreichbar, obwohl ein direktes Ziehen leer wirkt. Wurde die Seite in ein Bild verwandelt, ist dort nichts markierbar, was zugleich die Bestätigung und der Preis ist.

Die Datei ist passwortgeschützt. Kann ich trotzdem Seiten extrahieren?

Erst wenn der Schutz entfernt ist, und dafür braucht es das Passwort, das man dir gegeben hat. Das Werkzeug kann die Seitenstruktur eines verschlüsselten Dokuments nicht lesen, also keine Seiten daraus kopieren. Kontoauszüge kommen routinemäßig so, meist mit einem aus Geburtsdatum oder Kundennummer abgeleiteten Passwort. Schutz entfernen, extrahieren, dann entscheiden, ob der Auszug wieder Schutz braucht — bei einem Upload in ein Portal über eine verschlüsselte Verbindung meist nicht.

Ist das Teilen eines großen Dokuments ein guter Weg unter eine Upload-Grenze?

Oft der beste, und besser als die Datei zu verschlechtern, denn die meisten Formulare begrenzen jeden Anhang, nicht die ganze Einreichung. Zwei 6-MB-Hälften laden hoch, wo eine 12-MB-Datei scheitert, und keine hat Qualität verloren. Besonders richtig ist es, wenn das Dokument in voller Auflösung bleiben muss, weil eine Erkennung es liest. Benenne die Teile so, dass die Reihenfolge klar ist — „Auszug 1 von 2“ — und sag im Text, dass geteilt wurde.