Removedor de páginas em branco de PDF
Envie um PDF e cada página é verificada em busca de conteúdo real - texto, um desenho ou uma imagem incorporada - então qualquer página sem nada nela, incluindo uma página digitalizada em branco, é marcada para remoção. Revise a lista, desmarque o que preferir manter, e baixe o arquivo limpo.
Perguntas frequentes
Como essa ferramenta detecta realmente uma página em branco?
Em três níveis, do mais barato e certeiro primeiro. Uma página com texto real, ou uma forma/linha realmente desenhada, é imediatamente reconhecida como não em branco - nenhuma verificação adicional é necessária. Uma página sem texto, sem desenho e sem nenhuma imagem incorporada é imediatamente reconhecida como em branco - também sem verificação adicional. O único caso realmente ambíguo é uma página cujo único conteúdo é uma imagem incorporada: é exatamente assim que uma página digitalizada em branco se parece, mas também é exatamente assim que uma página digitalizada cheia de conteúdo real se parece, então só esse caso é renderizado em pequena escala e verificado para ver quanto dele está realmente perto do branco.
Por que é preciso renderizar algumas páginas em vez de simplesmente verificar o texto?
Porque uma página em branco vinda de um scanner não está "vazia" nos termos do próprio PDF - é uma imagem de página inteira, igual a uma página digitalizada com conteúdo real nela. Não há camada de texto para verificar em nenhum dos dois casos, então a única forma confiável de diferenciar uma digitalização em branco de uma com conteúdo real é realmente olhar os pixels. A renderização só é usada nesse único caso ambíguo, não em cada página, o que mantém a ferramenta rápida em documentos longos onde a maioria das páginas é decidida instantaneamente apenas pelo texto e conteúdo desenhado.
Ela vai remover por engano uma página com conteúdo sutil, como uma marca d'água clara ou uma marca solta?
A verificação de pixels tolera uma pequena quantidade de conteúdo não branco - cerca de 0,5% da página - especificamente para que ruído realista de sensor de scanner, um pontinho de poeira quase invisível, ou um artefato sutil não impeçam que uma página genuinamente em branco seja reconhecida como tal. Uma marca d'água ou cabeçalho que seja realmente visível para um leitor geralmente ultrapassa bastante essa tolerância e não será marcado. De qualquer forma, nada é removido automaticamente - toda página detectada aparece primeiro em uma lista de verificação, para você revisar e desmarcar antes de baixar.
O que acontece com uma página que tem só um número de página ou um cabeçalho pequeno?
Ela é corretamente mantida. Qualquer texto real e extraível - mesmo um simples número de página - já é suficiente para que a verificação estrutural classifique a página imediatamente como não em branco, sem nunca renderizá-la ou fazer qualquer análise de pixels. Só as páginas sem nenhum texto chegam à verificação mais cuidadosa baseada em imagem.
Isso pode confundir uma foto que por acaso é majoritariamente branca, como neve ou um quadro branco vazio?
Sim, honestamente - essa é uma limitação real da detecção baseada em pixels, que esta ferramenta não consegue descartar totalmente. Uma foto genuinamente dominada por branco ou quase branco (neve, uma foto superexposta, um quadro branco quase vazio) pode se registrar do mesmo jeito que uma digitalização em branco. É exatamente por isso que os resultados são uma lista de verificação revisável em vez de uma exclusão automática - confira as miniaturas das páginas contra o seu próprio documento antes de baixar se você tiver páginas assim nele.
Isso funciona em documentos que nunca foram digitalizados, só criados digitalmente?
Sim. Uma página deixada intencionalmente vazia em um documento criado digitalmente - uma página de quebra de capítulo pensada para ficar em branco em um livro impresso, por exemplo - não tem texto, nem desenho, nem nenhuma imagem, então é detectada imediatamente pela verificação estrutural sem precisar de renderização, exatamente como seria tratada em um documento digitalizado.
Meu PDF é enviado para um servidor?
Não. O arquivo é aberto, cada página é analisada, e qualquer renderização necessária para a verificação de pixels acontece inteiramente no seu navegador usando pdf.js e a API Canvas. Nada é enviado a lugar nenhum.
Posso escolher quais páginas em branco realmente remover?
Sim - cada página em branco detectada aparece em uma lista de verificação com seu número de página e o motivo pelo qual foi marcada (completamente vazia, ou página digitalizada em branco). Toda página começa marcada (o que significa que será removida), mas você pode desmarcar qualquer uma delas antes de baixar se preferir manter aquela página específica no arquivo final.
Remover páginas afeta o resto do PDF, como marcadores ou formulários?
O conteúdo de cada página que você mantém fica intacto. O que pode ser afetado é qualquer coisa que apontasse especificamente para uma página removida - um marcador ou link interno que apontava para uma página agora inexistente, ou um campo de formulário que estava naquela página, não terão mais para onde apontar. Para um documento em que isso importe, vale a pena conferir rapidamente o resultado antes de confiar nele, assim como com qualquer ferramenta que remove páginas de um PDF.
Quantas páginas isso consegue processar?
O documento inteiro é escaneado em uma única passagem, página por página, então funciona do mesmo jeito em um documento de 5 páginas ou de 500. Como só as páginas ambíguas com apenas imagem são realmente renderizadas, um documento longo e cheio de texto é verificado rapidamente mesmo com cada página sendo examinada.
As páginas que eu mantiver vão perder qualidade?
Não. Remover uma página só a tira do documento - as páginas que permanecem mantêm seu conteúdo, fontes e imagens incorporadas exatamente originais, sem nada sendo renderizado ou recomprimido no processo. A única renderização usada para verificar se as páginas ambíguas com apenas imagem estão em branco é uma prévia com perda e em baixa escala, usada só para essa decisão; depois ela é descartada e nunca vira parte do arquivo baixado.