La maggior parte degli strumenti di divisione PDF dividono un documento in base al numero di pagine: dividi dopo ogni N pagine, dividi in corrispondenza di numeri di pagina specifici o dividi in parti uguali. Questo approccio funziona quando sai già esattamente dove si trovano i confini del documento. Fallisce completamente quando hai a che fare con un PDF unito di cui non conosci la struttura interna, in cui documenti di lunghezza variabile e sconosciuta venivano combinati senza pagine di separazione chiare. L'approccio basato sul conteggio delle pagine ti obbliga a indovinare dove finisce un documento e inizia il successivo, e un'ipotesi sbagliata taglia un documento a metà o unisce la coda di un documento con la testa di quello successivo.
Un approccio fondamentalmente più affidabile rileva i cambiamenti nell'orientamento del layout della pagina, nella densità del contenuto o nella formattazione che segnalano una transizione da un documento di origine a quello successivo. Questi segnali strutturali sono presenti in quasi tutti i PDF uniti perché diversi documenti di origine hanno invariabilmente caratteristiche di formattazione diverse, anche quando tali differenze sono abbastanza sottili da non essere notate da un lettore occasionale. Imparare a identificare questi segnali trasforma la suddivisione dei PDF da congetture in un processo metodico.
Segnali basati sul layout che indicano i confini del documento
Quando più documenti vengono uniti in un unico PDF, ciascun documento di origine porta con sé il proprio DNA di formattazione. Il documento A potrebbe utilizzare pagine formato lettera con margini di un pollice, corpo del testo di 12 punti in Times New Roman e un'intestazione contenente il logo aziendale su ogni pagina. Il documento B potrebbe utilizzare le stesse pagine in formato Lettera ma con margini più stretti, testo Calibri da 11 punti e nessuna intestazione. Il documento C potrebbe passare interamente all'orientamento orizzontale per un'appendice del foglio di calcolo. Questi cambiamenti di formattazione sono immediatamente visibili a un essere umano che sfoglia le miniature delle pagine e sono misurabili da strumenti di analisi PDF in grado di estrarre le proprietà della pagina a livello di codice.
La tabella seguente riassume i segnali più affidabili basati sul layout per rilevare i confini del documento e come valutarli ciascuno.
| Segnale di rilevamento | Cosa misura | Livello di affidabilità |
|---|---|---|
| Modifica della dimensione della pagina | Passa tra i formati di pagina Letter, Legal, A4 o personalizzati | Molto alto |
| Cambio di orientamento | Da verticale a orizzontale o viceversa tra pagine consecutive | Molto alto |
| Calo della densità del testo | Forte diminuzione dell'area dei caratteri per pagina, tipica dei frontespizi | Alto |
| Famiglia di caratteri o spostamento delle dimensioni | Modifica del carattere dominante, che indica la nuova formattazione del documento di origine | Moderare |
| Modifica della larghezza del margine | Margini diversi sinistro, destro, superiore o inferiore tra pagine adiacenti | Moderare |
| Aspetto dell'intestazione o del piè di pagina | Presenza o assenza di testo ricorrente nella parte superiore o inferiore della pagina | Alto quando presente |
Prova Dividi PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Utilizzo dell'analisi della densità dei contenuti per trovare punti di suddivisione naturali
La densità del contenuto, misurata come quantità di caratteri di testo, area dell'immagine e spazio bianco su una pagina, segue modelli prevedibili all'interno di un singolo documento. Un documento tipico inizia con un frontespizio con una bassa densità di testo e un elevato spazio bianco. Le pagine di contenuto che seguono hanno una densità di testo coerente e significativamente più elevata. Se il documento termina con una pagina di firma o con un'appendice, la densità può cambiare nuovamente in quel punto. Quando si uniscono più documenti, questo modello di densità si ripete con ogni nuovo documento: una valle di bassa densità nella pagina del titolo, seguita da un plateau di densità più elevata e coerente nelle pagine di contenuto.
Il software in grado di misurare la densità del contenuto per pagina può identificare queste ripetizioni di pattern e contrassegnarle come punti di divisione candidati. Un grafico di densità del PDF unito mostra picchi e valli corrispondenti rispettivamente alle pagine di contenuto e alle pagine dei titoli. Le valli in cui la densità diminuisce bruscamente sono i punti di divisione candidati. Quando questi avvallamenti si allineano con altri cambiamenti strutturali come una modifica della dimensione della pagina o uno spostamento del carattere, la probabilità che la pagina rappresenti un confine del documento è estremamente alta. Lo strumento Dividi PDF di WukongPDF fornisce un selettore visivo di pagine che consente di contrassegnare i punti di divisione su ciascun confine identificato ed estrarre ciascun segmento come un PDF separato, denominato correttamente.
Cambiamenti di orientamento come segnale di confine più forte
Un cambiamento nell'orientamento della pagina da verticale a orizzontale o viceversa è il segnale più affidabile del confine di un documento perché indica quasi sempre un passaggio tra i documenti di origine. All'interno di un singolo documento, le pagine mantengono quasi sempre un orientamento coerente. Un foglio di calcolo orizzontale inserito in un rapporto altrimenti verticale, un certificato orizzontale mescolato con moduli di richiesta verticale e disegni architettonici orizzontali mescolati con pagine di specifiche verticali sono tutti chiari indicatori che un nuovo documento di origine inizia al cambio di orientamento.
La divisione in caso di cambio di orientamento è piacevolmente semplice. Scorri le miniature delle pagine del PDF unito e nota ogni pagina in cui l'orientamento differisce dalla pagina precedente. Ognuna di queste pagine segna il probabile inizio di un nuovo documento. Estrai le pagine tra le modifiche dell'orientamento come singoli file. Se il PDF unito contiene una combinazione di pagine verticali e orizzontali che appartengono tutte allo stesso documento, cosa rara ma possibile in report altamente formattati con pagine pieghevoli, verificare i punti di divisione controllando altri segnali come la densità del testo e la coerenza dei caratteri prima di impegnarsi nella divisione.
Combinazione di più segnali per una suddivisione automatizzata affidabile
Nessun singolo segnale di layout è perfettamente affidabile per rilevare i confini del documento in ogni caso. Una pagina orizzontale all'interno di un documento verticale potrebbe essere un grafico o una pagina pieghevole all'interno dello stesso rapporto, non l'inizio di un nuovo documento. Un calo di densità potrebbe essere la pagina del titolo di un capitolo all'interno di un documento più lungo, non l'inizio di un file separato. L'approccio di suddivisione automatizzata più affidabile combina più segnali: un punto di suddivisione viene confermato solo quando due o più segnali di layout cambiano simultaneamente nella stessa pagina. Una modifica dell'orientamento e una modifica del carattere indicano fortemente un nuovo documento. Un calo di densità combinato con una modifica della dimensione della pagina è altrettanto affidabile.
Per i PDF uniti di grandi dimensioni in cui la revisione manuale di ogni singola pagina non è pratica, un approccio a segnali combinati fornisce una suddivisione automatizzata con tassi di errore accettabilmente bassi. Lo strumento di suddivisione elabora ogni pagina, calcola tutti i segnali di layout e contrassegna solo le pagine in cui cambiano più segnali contemporaneamente. Una rapida revisione manuale delle sole pagine contrassegnate, visualizzandole ciascuna per confermare che rappresenti realmente un confine del documento, richiede una piccola frazione del tempo necessario per rivedere ogni pagina del documento. La pipeline di elaborazione PDF Batch del rilevamento automatico di più segnali seguito da una verifica umana mirata combina la velocità dell'automazione con l'accuratezza del giudizio umano.
Prova Dividi PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.