La mayoría de las herramientas Split PDF dividen los documentos por número de páginas. Dígale a la herramienta que divida cada 10 páginas y producirá un conjunto de fragmentos de 10 páginas independientemente de la cantidad de datos que contenga cada página. Para documentos donde la densidad del contenido de la página varía mucho, la división del recuento de páginas produce archivos de tamaños muy diferentes. Una sección de texto de 10 páginas puede tener 100 KB. Una sección de 10 páginas con fotografías de alta resolución puede ocupar 25 MB. Dividir por tamaño de archivo en lugar de por número de páginas produce archivos de salida que están cada uno bajo un límite de megabytes específico, que es lo que realmente imponen los servidores de correo electrónico, los formularios de carga y los sistemas de gestión de documentos.
La división basada en el tamaño del archivo es más compleja que la división por recuento de páginas porque la herramienta debe estimar cuántas páginas caben dentro del tamaño objetivo antes de realizar la división. La estimación nunca es exacta porque la compresión de PDF y la deduplicación de objetos afectan el tamaño del archivo final. La herramienta se divide de forma conservadora, produciendo archivos ligeramente por debajo del objetivo, y el último archivo contiene las páginas restantes.
Las herramientas de división PDF Batch de WukongPDF brindan opciones de división de recuento de páginas y tamaño de archivo para flujos de trabajo de distribución de documentos.
Por qué la división del tamaño de archivo es importante para la distribución
Los límites de los archivos adjuntos de correo electrónico son la razón más común para dividir el tamaño de los archivos. Gmail limita los archivos adjuntos a 25 MB. Outlook limita a 20 MB para la mayoría de los planes. Los servidores de correo electrónico corporativo suelen imponer límites aún más bajos, a veces de 10 MB o 5 MB. Un PDF de 60 MB que deba enviarse por correo electrónico debe dividirse en partes que se ajusten al límite de archivos adjuntos del destinatario. La división por número de páginas puede producir un fragmento de 22 MB y otro de 38 MB, ninguno de los cuales se puede enviar por correo electrónico. Dividir por tamaño de archivo garantiza que cada fragmento esté por debajo del límite.
Los formularios de carga en línea también imponen límites de tamaño de archivos. Los portales gubernamentales, los sistemas de archivos judiciales y los sitios de solicitud de empleo suelen limitar las cargas a 5 MB, 10 MB o 25 MB. El límite se muestra en la página de carga y excederlo produce un error después de que la carga ya ha consumido tiempo. La división previa del PDF en fragmentos de tamaño adecuado garantiza que la carga se realice correctamente en el primer intento.
Los sistemas de gestión de documentos con cuotas de almacenamiento por archivo se benefician de tamaños de archivos consistentes. Un sistema que cobra por gigabyte almacenado es indiferente a si los archivos se dividen por número de páginas o por tamaño, pero un sistema que limita el número de archivos por registro puede penalizar la división del número de páginas que produce muchos archivos pequeños. Comprender las limitaciones del sistema aguas abajo informa la estrategia de división.
Método 1: División por tamaño de Adobe Acrobat Pro
Acrobat Pro incluye una opción de división del tamaño del archivo en su herramienta Dividir documento. Abra el PDF y vaya a Herramientas, Organizar páginas, luego haga clic en Dividir. En el cuadro de diálogo de división, elija Tamaño de archivo en el menú desplegable de división. Ingrese el tamaño máximo de archivo en megabytes. Acrobat calcula cuántas páginas caben en ese tamaño y las divide en consecuencia.
El algoritmo de división por tamaño de Acrobat funciona bien para documentos con páginas relativamente uniformes. Para documentos con tamaños de página muy variables, la estimación puede variar entre un 10 y un 20 por ciento porque Acrobat no puede predecir con precisión cuánto reducirá la compresión de salida la contribución de cada página al tamaño del archivo. Después de dividir, verifique los tamaños de archivo reales de los fragmentos de salida. Si algún fragmento excede el objetivo, reduzca ligeramente el tamaño del objetivo y vuelva a dividirlo.
Acrobat nombra los archivos de salida agregando un sufijo al nombre del archivo original, como Document_Part1.pdf, Document_Part2.pdf. La convención de nomenclatura deja claro que los archivos son partes de un todo e indica el orden de lectura correcto. Para los documentos que el destinatario volverá a combinar, incluya una portada en la primera parte que explique cuántas piezas esperar y cómo volver a ensamblarlas.
Método 2: División de línea de comandos con pdftk
pdftk no tiene una función nativa de división por tamaño, pero se puede programar para lograr el mismo resultado. El enfoque consiste en dividir el PDF en páginas individuales, medir el tamaño del archivo de cada página y luego agrupar las páginas en fragmentos cuyo tamaño acumulativo se mantenga por debajo del objetivo. Un script bash o PowerShell automatiza este flujo de trabajo.
Primero, use pdftk para dividir el PDF en archivos de páginas individuales: pdftk input.pdf burst. Esto produce pg_0001.pdf, pg_0002.pdf, etc. Utilice un comando del sistema como ls -l o du para medir el tamaño del archivo de cada página. Repita las páginas en orden, acumulando tamaños hasta que la página siguiente supere el objetivo. Cuando se alcance el objetivo, combine las páginas acumuladas en un archivo fragmentado usando pdftk cat, reinicie el acumulador y continúe con el siguiente fragmento.
En la práctica, el enfoque pdftk es gratuito y admite secuencias de comandos, lo que lo hace adecuado para el procesamiento por lotes y la automatización del lado del servidor. La precisión depende de la medición del tamaño del archivo por página. Las páginas individuales medidas como archivos separados pueden ser ligeramente más grandes que las mismas páginas combinadas en un solo PDF debido a que los recursos compartidos, como las fuentes, se duplican en los archivos de páginas individuales. Los tamaños de los archivos finales serán algo más pequeños que la suma de los tamaños de páginas individuales.
Método 3: secuencias de comandos Python con pikepdf
En la práctica, la biblioteca pikepdf proporciona control programático sobre la división de PDF con precisión a nivel de bytes. Una secuencia de comandos de Python abre el PDF, recorre las páginas y utiliza la API pikepdf para crear un nuevo PDF para cada fragmento. El script rastrea el tamaño acumulativo sin comprimir de las páginas agregadas al fragmento actual e inicia un nuevo fragmento cuando agregar la página siguiente excede el objetivo.
pikepdf proporciona acceso a los flujos de contenido de la página sin formato, lo que permite una estimación precisa del tamaño antes de escribir el archivo de salida. El script también puede comprimir cada fragmento con configuraciones específicas, como la compresión JPEG para imágenes, para controlar aún más el tamaño del archivo de salida. El enfoque de Python maneja casos extremos como una sola página que es más grande que el tamaño objetivo al comprimir esa página individualmente en lugar de fallar.
Manejo de casos extremos en la división del tamaño de archivos
Cuando una sola página excede el tamaño del archivo de destino, la división no puede producir un fragmento que contenga solo esa página mientras permanece por debajo del objetivo. Las opciones incluyen comprimir la página de gran tamaño individualmente con una reducción de resolución de imagen más agresiva, dividir la página en subpáginas más pequeñas si la página consta de varias secciones lógicas, o aceptar que esta página excederá el objetivo y anotar la excepción.
Para documentos con muchas páginas pequeñas, el algoritmo de división por tamaño puede producir fragmentos con recuentos de páginas muy diferentes. El fragmento 1 puede contener 50 páginas de texto. El fragmento 2 puede contener 3 páginas de fotografías. Se debe informar al destinatario que los fragmentos varían en el recuento de páginas porque el criterio de división es el tamaño del archivo, no el recuento de páginas.
| Método | Cómo funciona | Mejor para |
|---|---|---|
| Acrobat Pro dividido por tamaño | Especifique MB máximo por archivo de salida | Usuarios de GUI, divisiones ocasionales |
| pdftk con estimación de tamaño | Iterar páginas hasta alcanzar el tamaño objetivo | Flujos de trabajo con script, gratis |
| Python + pikepdf | Leer tamaños de página, dividir cuando el acumulado supere el objetivo | Lógica personalizada, procesamiento por lotes |
Verificación de la salida dividida antes de la distribución
Después de dividir por tamaño de archivo, abra cada fragmento de salida y confirme que la primera y la última página sean correctas. La división debe ocurrir en los límites de la página, no en el medio de la misma. Verifique que el recuento total de páginas en todos los fragmentos sea igual al recuento de páginas del documento original. Una discrepancia indica que se eliminó una página durante la división.
Verifique el tamaño del archivo de cada fragmento con el objetivo. Los trozos deben estar al nivel del objetivo o ligeramente por debajo. Si un fragmento excede el objetivo en más del 5 por ciento, el algoritmo de división subestimó el tamaño de salida. Reducir el objetivo en un 10 por ciento y volver a dividirlo. El margen del 5 al 10 por ciento representa la variabilidad de la compresión y la sobrecarga de recursos compartidos.
Dividir un PDF por tamaño de archivo en lugar de por número de páginas produce resultados que respetan las limitaciones reales de la distribución digital. A los servidores de correo electrónico, los formularios de carga y las cuotas de almacenamiento no les importa cuántas páginas tiene un PDF. Les importa cuántos megabytes son. La división del tamaño del archivo alinea la estrategia de división con la restricción que importa.
Automatización de divisiones recurrentes de tamaño de archivos
Desde una perspectiva práctica, en los flujos de trabajo de documentos, para las organizaciones que regularmente dividen archivos PDF grandes para su distribución, automatice el flujo de trabajo de división por tamaño. Un script monitorea una carpeta en busca de archivos PDF entrantes que superen un tamaño umbral, los divide en fragmentos por debajo del límite estándar de archivos adjuntos de correo electrónico de la organización y guarda los fragmentos en una carpeta de salida con nombres consistentes. La automatización elimina el paso de división manual del proceso de distribución de documentos.
La automatización también puede generar un archivo de manifiesto que enumere el nombre de cada fragmento de archivo, su tamaño de archivo y el rango de páginas que contiene. El manifiesto acompaña los fragmentos y le indica al destinatario cómo volver a ensamblar el documento. Un archivo de texto simple con una línea por fragmento y el nombre del archivo original como encabezado es suficiente. El manifiesto convierte una colección de archivos fragmentados con nombres arbitrarios en un paquete de documentos claramente documentado.
En términos generales, en los flujos de trabajo de documentos, para los sistemas de gestión de documentos empresariales, la automatización dividida puede integrarse con la API del sistema para registrar cada fragmento como un componente relacionado del documento principal. El sistema rastrea que el documento original de 60 MB se dividió en tres fragmentos de 20 MB para su distribución y puede volver a ensamblarlos a pedido para los usuarios que necesitan el archivo completo.
Reensamblar archivos divididos en el lado del destinatario
Normalmente, el destinatario de un documento de tamaño dividido necesita instrucciones claras para volver a ensamblarlo. La mayoría de las herramientas de combinación de PDF pueden volver a combinar los fragmentos en el documento original si se combinan en el orden correcto. Los nombres de los archivos de los fragmentos deben indicar el orden: Documento_Parte1_de_3.pdf, Documento_Parte2_de_3.pdf, etc. El destinatario abre una herramienta de combinación, agrega los archivos en orden y genera el documento reensamblado.
Para destinatarios no técnicos, incluya un breve archivo de instrucciones con los fragmentos. El archivo de instrucciones explica cuáles son los fragmentos, cuántos debería haber, cómo recombinarlos utilizando una herramienta gratuita de combinación de PDF en línea y con quién contactar si falta un fragmento o está dañado. El minuto adicional dedicado a escribir el archivo de instrucciones evita confusión y solicitudes de soporte por parte de los destinatarios que reciben múltiples archivos adjuntos en PDF sin contexto.
Después del reensamblaje, el destinatario debe verificar que el recuento de páginas del documento combinado coincida con el recuento de páginas indicado en el manifiesto. Una discrepancia indica que falta un fragmento o que está duplicado. El recuento de páginas del manifiesto es la referencia autorizada para confirmar el reensamblaje completo.