Extraer unas páginas de un extracto sin instalar nada

Extraer y borrar no llevan al mismo sitio

Un PDF es una colección numerada de objetos —descripciones de página, tipografías, imágenes, flujos de instrucciones de dibujo— con una tabla que registra dónde vive cada uno y cuáles están referenciados. La lista de páginas es a su vez otro objeto, un árbol que apunta a los objetos de página en orden. Quitar una página de ese árbol es una edición pequeña: la página deja de mostrarse y de contarse. Si el objeto al que apuntaba se borra también del archivo es una decisión aparte, y muchos editores no la toman, sobre todo cuando guardan añadiendo los cambios al final del archivo en vez de reescribirlo.

La extracción no tiene esa ambigüedad, porque trabaja en sentido contrario. Crea un documento vacío y copia en él solo las páginas pedidas, junto con los recursos que esas páginas necesitan. No queda nada detrás porque nunca se trajo nada más. Esa es toda la razón para preferirla: la garantía viene de la construcción, no de confiar en que una herramienta haya limpiado tras de sí.

El rectángulo negro es el error más caro aquí

Conviene ser directo con esto porque ha avergonzado a gobiernos, bufetes y periódicos, repetidas veces y en público. Una página de PDF se dibuja por capas, y una anotación dibujada en último lugar se sitúa encima de lo anterior. Poner un rectángulo negro relleno sobre un número de cuenta cambia el aspecto de la página y no cambia nada de su contenido. El texto de debajo sigue siendo un objeto del archivo. Puede seleccionarse con el cursor, copiarse, extraerse con cualquier herramienta de extracción de texto y leerse por un buscador que indexe el documento.

La manera fiable de quitar algo de una página que conservas es impedir que el texto exista. Convierte la página en imagen, pinta sobre la zona en esa imagen para que los píxeles mismos cambien, y construye un PDF nuevo con el resultado. Pierdes el texto seleccionable en esa página, y ese es el objetivo: ya no hay texto que seleccionar. Es un coste real —la página deja de poder buscarse y de ser legible por tecnología de asistencia— así que aplícalo a las páginas que lo necesiten y no a todo el documento.

Los números impresos no son los números del archivo

Esto pilla a casi todo el mundo una vez. La extracción cuenta páginas físicas desde uno; el número impreso en la página cuenta lo que decidió quien diseñó el documento. Un extracto con una portada sin numerar sitúa la página impresa 1 en la física 2, así que pedir las páginas 3 a 5 te da las impresas 2 a 4: bastante plausible para que no lo notes, bastante equivocado para que lo note el destinatario. Las memorias anuales con preliminares en números romanos desplazan más, y un documento montado a partir de varias fuentes puede reiniciar la numeración a mitad.

La cura es leer la posición física, no la etiqueta impresa. Desplázate hasta la página que quieres y anota dónde queda en el contador del visor, que cuenta físicamente. Luego extrae, abre el resultado y confirma que tienes el contenido que querías y no los números que pediste. En un documento cuyas páginas se parecen todas —doce meses de la misma maqueta de extracto— esa confirmación es lo único que te separa de enviar febrero cuando te pedían marzo.

Qué viaja con una página extraída y qué no

El contenido propio de la página llega intacto: texto, tipografías, imágenes, dibujo vectorial. Lo que pertenece al documento y no a la página normalmente no sigue. Los marcadores que apuntan a páginas que no te llevaste no tienen adónde ir. Los enlaces internos, un índice, las referencias cruzadas a otras secciones se rompen o desaparecen. Los campos de formulario pueden sobrevivir como campos o quedar aplanados según la herramienta. Si algo de eso importa para lo que envías, compruébalo en el archivo extraído en vez de suponerlo.

Una cosa sí viaja, y no conviene olvidarla: los metadatos. Autor, aplicación que lo produjo, fechas de creación y modificación y a veces un historial de edición completo viven en el nivel del documento y se copian con frecuencia al archivo nuevo. En un documento que envías fuera de tu organización, eso puede revelar más que las propias páginas: el nombre de quien lo preparó, la plantilla interna de la que viene, el hecho de que se modificó hace una hora.

¿Enviar las páginas o enviarlo todo?

Aquí hay una tensión real, y la respuesta honesta depende de quién pregunte. Un casero, un empleador o un prestamista que pide prueba de una cosa no tiene derecho sobre el resto de tu vida financiera, y enviar solo las páginas pertinentes es razonable y, bajo el principio de minimización de datos, la mejor práctica. Una administración tributaria o un auditor que pide un periodo querrá normalmente todo el periodo, y extraer las partes que consideras pertinentes parece una selección: la apariencia de elegir tus pruebas puede costarte más que la divulgación.

Una vía intermedia práctica cubre casi todos los casos: envía el documento completo del periodo pedido, quitando a nivel de píxel lo que sea de verdad irrelevante y sensible, en vez de omitir páginas. Así la secuencia queda intacta y verificable —los números corren sin huecos, los saldos se arrastran— sin entregar lo que nadie pidió. Elijas lo que elijas, di lo que hiciste en el mensaje de acompañamiento. «Páginas 3 a 5 del extracto de marzo» no despierta sospecha; un hueco silencioso entre la página 2 y la 6 despierta mucha.

Comprueba el resultado, no la operación

Todos los fallos de este artículo son invisibles en la herramienta y visibles en la salida. El archivo extraído tiene las páginas equivocadas; la página que censuraste sigue dando texto al pasar el cursor; los metadatos siguen nombrando a tu colega. Los tres se comprueban en segundos sobre el archivo que vas a enviar, y ninguno se comprueba sobre aquel del que partiste. Abre el resultado, cuenta las páginas, intenta seleccionar lo que ocultaste, y solo entonces adjúntalo.

Preguntas frecuentes

¿Puede el destinatario ver que solo extraje parte del documento?

Normalmente sí, y está bien. Números de página impresos, un encabezado que diga «página 3 de 12», un saldo corriente que empieza a mitad: todo eso lo hace evidente, y nada es un problema si has dicho qué enviaste. Es al intentar disimular la extracción cuando se convierte en uno: un extracto parcial presentado como completo es mucho peor que un extracto parcial descrito como parcial.

¿Extraer reduce el tamaño proporcionalmente?

Aproximadamente, pero no exactamente, y puede sorprender en ambos sentidos. Las tipografías e imágenes compartidas por todo el documento hay que llevarlas si alguna página extraída las usa, así que tres páginas de doce pueden pesar más de una cuarta parte del original. Al revés, si las páginas descartadas tenían todas las imágenes grandes, tres páginas pueden pesar casi nada. Juzga por el archivo resultante, no por la fracción de páginas.

¿Cómo compruebo si una censura funcionó de verdad?

Abre el archivo final, arrastra el cursor por la zona ennegrecida y copia. Luego pega en cualquier cuadro de texto. Si aparece algo, la información sigue en el documento y la forma negra es decoración. Haz lo mismo con toda la página seleccionada: a veces el texto oculto es alcanzable así aunque un arrastre directo parezca vacío. Si la página se ha convertido en imagen, no habrá nada seleccionable en ella, lo cual es a la vez la confirmación y el coste.

El archivo está protegido con contraseña. ¿Puedo extraer páginas igualmente?

No hasta que se quite la protección, y eso exige la contraseña que te dieron. La herramienta no puede leer la estructura de páginas de un documento cifrado, así que no puede extraer páginas de él. Los extractos bancarios llegan así habitualmente, con una contraseña derivada normalmente de una fecha de nacimiento o un número de cliente. Quita la protección, extrae, y luego decide si el extracto necesita protegerse otra vez: para algo que se sube a un portal por conexión cifrada, normalmente no.

¿Dividir un documento grande es buena forma de bajar de un límite de subida?

A menudo la mejor, y mejor que degradar el archivo, porque la mayoría de los formularios limitan cada adjunto y no el envío entero. Dos mitades de 6 MB suben donde no sube un archivo de 12 MB, y ninguna ha perdido calidad. Es especialmente la respuesta correcta cuando el documento debe quedarse a plena resolución porque lo va a leer un sistema de reconocimiento. Nombra las partes para que el orden sea obvio —«extracto 1 de 2»— y di en el mensaje que está dividido.