PDF 合并与拆分：不把文件上传到服务器的做法

合并和拆分 PDF 看起来是文件操作，本质却是页面级操作。每个页面都保留自己的尺寸、旋转、字体、图片和批注。输出结果是否可预期，取决于源文件的结构。

本文覆盖常见工作流，以及避免合并或拆分结果出现意外的检查步骤。

合并到底做了什么

合并会把多个 PDF 的页面按指定顺序复制到一个文档中。它不会：

• 把文字重排成新的版式。
• 统一页面尺寸。
• 重建书签或目录。
• 重建表单字段或数字签名。

如果源文件尺寸不同，合并结果就会包含不同尺寸的页面。这是正常现象。需要统一时，应先决定是保留原始尺寸，还是把页面转换或缩放到统一尺寸。

从文件结构看，PDF 是一组带编号的对象加一棵页面树。每个页面指向自己的内容流，也指向字体、图片、颜色空间等共享资源。合并通常是把页面对象及其引用的资源复制进新文档，再重建页面树。它不会栅格化，所以文字仍可选中，矢量线条仍然锐利。合并后的体积大致等于各源文件之和减去重复资源，但工具是否会去重相同字体和图片，差别很大。

元数据由工具决定，不会自动沿用某个源文件。标题、作者、XMP 信息和创建时间可能取自第一份文档，也可能被丢弃或重新生成。归档或取证场景对元数据有要求时，应在合并后显式设置，不要假设它被保留了下来。

检查页面顺序和旋转

页面顺序是最常见的合并错误。合并之前：

1. 打开每个源文件，记录页数。
2. 确定精确顺序。
3. 检查是否有页面被旋转。
4. 执行合并。
5. 对比输出页数与源文件页数之和。

旋转页面可能在一个阅读器里显示正常，在另一个里却是横的。如果旋转会影响阅读，应在合并前统一方向，或在目标用户使用的阅读器中验证。

旋转记录在页面字典的 /Rotate 中，取值为 90、180 或 270，按顺时针应用。它和页面的宽高是两回事：一个 /Rotate 90、MediaBox 为纵向的页面，实际会显示成横向。有的扫描仪用这个字段记录方向，有的则直接把像素转正、把 /Rotate 留成 0。两种约定混在同一次合并里，结果就是三页正着、一页横着。

页码也不等于页面索引。纸上印的页码、PDF 的页面标签、文件中的物理位置是三套编号。某一章可能从文件第 12 页开始，却印着“第 1 页”。指定范围时要确认工具按哪种编号计数，是从 1 开始、从 0 开始，还是按页面标签。绝大多数工具从 1 开始；按 0 计数的工具会让每个范围都悄悄差一页。

页面尺寸与页边距

A4、Letter 和扫描件混在一起很常见。合并会保留每个页面的原始尺寸。如果需要统一文档：

• 把页面转换或缩放到相同尺寸。
• 检查页边距和裁剪框。
• 确认内容没有被裁掉。

缩放可能改变文字和线条的观感。除非文档确实要求统一尺寸，否则优先保留原始页面。

具体数字能解释视觉差异。A4 是 595 × 842 点，Letter 是 612 × 792 点。Letter 更宽更矮，把一种尺寸套到另一种上大约要缩放 97%，还会留下不对称的页边距。如果页面的 CropBox 小于 MediaBox，阅读器显示的是 CropBox，而按 MediaBox 盲目缩放会把本该裁掉的白边保留下来。批量处理前两个框都要检查。

扫描件还有第二个变量：分辨率。300 dpi 和 150 dpi 的 A4 扫描件，页面尺寸完全相同，图片字节数却差很多。合并后在视觉上没问题，但低分辨率页面放在清晰页面旁边会明显发虚。要求观感统一时，应在合并前重采样扫描件，而不是合并后再补救。

表单、书签与签名

交互元素是 PDF 编辑中最脆弱的部分：

• 表单字段可能被扁平化、重复或丢失。
• 书签在合并后可能指向错误的页面。
• 批注可能保留、被扁平化或消失。
• 数字签名在任何页面级修改后通常都会失效。

合同和法律文档应保留原始签名 PDF，把合并或拆分后的文件当作工作副本。要在完整的 PDF 阅读器中检查签名和表单，而不是只看浏览器预览。

交互表单保存在文档目录的 AcroForm 里，字段字典可能跨页共享。合并时，两份文档里同名的字段会撞在一起，结果可能是值被合并、只保留一个，或者出现重复的控件。合并前先扁平化可以避免歧义，但之后就再也无法填写。

数字签名更严格。签名覆盖文件中的一段字节范围，范围记录在签名字典里。任何插入、删除或重排页面都会改变字节偏移或签名摘要，阅读器于是报告签名无效，即使可见内容没变。没有哪款工具能在合并签名 PDF 后让签名继续有效；签名重要时，应交付原始签名文件和另一份合并后的工作副本。

书签是指向目标位置的目录项，而目标通常直接引用页面对象。页面移动后，书签可能正确跟随、仍指向旧位置，或者彻底失效，取决于工具是否重写目标。带标签的 PDF 还有类似问题：阅读顺序和无障碍标签绑定在结构树上，多数合并工具不会重建它。合并后的文件看起来正常，无障碍信息却已经丢失。

按范围或间隔拆分

两种拆分方式覆盖大多数场景：

• 按范围：把第 1 到 3 页导出为一个文件，第 4 到 8 页导出为另一个文件。适合章节或分段。
• 每隔 N 页：把长扫描件切成固定大小的批次。适合上传或邮件附件。

拆分前先写下页码范围。拆分后检查：

1. 所有输出的页数之和等于源文件。
2. 没有页面重复或遗漏。
3. 页码和页眉仍然合理。
4. 链接和书签指向正确位置。

拆分在文件层面并不免费。每个输出都要带上其页面用到的字体、图片和色彩配置，共享资源会在多个输出中重复。一个 10 MB 的文件拆成十个单页文件，总量可能变成 25 MB，而且每个输出都不小，因为一套嵌入字体要服务整份文档。目标是邮件附件大小时，应先拆分再考虑压缩，并且测量真实输出，而不是把源文件体积除以十。

文档有天然章节时用范围拆分；接收方有页数或字节上限时，例如传真网关或上传表单，用固定间隔。两种方式都应先写下预期范围。印刷页码和文件索引不一致时，差一页是常态，写下来的清单能让错误暴露出来。

合并后的压缩

合并可能生成很大的文件，尤其是源文件包含高分辨率扫描件时。压缩可以减小体积，但也可能：

• 对图片降采样。
• 移除元数据。
• 在页面被栅格化时降低文字清晰度。

应压缩副本，在 100% 缩放下比较文字和图片，并保留原文件。PDF 压缩工具可以减小体积，但发送给客户前必须验证结果。

大部分收益来自图片而不是文字。把 600 dpi 扫描件降到 150 dpi，体积可能减少一半以上，屏幕阅读仍然清楚；再把图片按中等质量转成 JPEG，还能继续缩小。文字本身已经被压缩得很高效。如果工具为了让体积变小而把页面栅格化，文字就变成了图片：文件也许更小，但选中、搜索和锐利度都没了。合同和发票可能还要被人检索或复制，绝不能这样处理。

PDF 带 OCR 文字层时，要确认压缩后它仍然存在。有些工具会扁平化页面并丢掉不可见文字，外观没变，搜索却失效了。压缩后搜索一个你确定页面里有的词，再选中一句话，确认文字层还在。

隐私与数据处理

PDF 经常包含机密信息。把文件上传到在线工具之前，应确认：

• 处理发生在浏览器还是服务器。
• 服务方保留文件多久。
• 传输是否加密。
• 谁可以访问存储的文件。
• 文件是否被用于训练或分析。

浏览器端合并或拆分不需要上传文档。如果必须使用服务器端服务，应选择有明确保留政策和删除入口的工具。

浏览器处理不是自动生效的魔法。JavaScript 的 PDF 库可以完全在标签页内运行，文件从不离开设备；但有些号称“浏览器端”的工具会在后台实际上传，再返回下载链接。可靠的验证方式是看网络面板：文件是否出现在请求体里，或者被 Worker 从远程地址拉取。还要记住，合并结果仍带着源文件的元数据、嵌入附件、批注和隐藏图层。删除页面也不等于删除其中的文字，如果工具留下孤立对象，文字仍可被提取；用黑色矩形盖住姓名更不是脱敏，下面的文本依然可以复制。应使用真正移除内容的工具，然后在遮盖区域上尝试选中和搜索来验证。

一套实用流程

1. 确定页码范围和目标顺序。
2. 检查页面尺寸、旋转和页数。
3. 对副本执行合并或拆分。
4. 对比输出页数。
5. 用完整的 PDF 阅读器打开输出。
6. 检查表单、书签、链接和签名。
7. 需要时再压缩。
8. 保留原始文件。

至少用两个阅读器打开输出，因为它们的分歧很有价值。浏览器预览方便，却可能隐藏表单字段、签名面板和无障碍结构；Acrobat、预览或 Okular 这类桌面阅读器能看到文档目录、页面尺寸和签名状态。文件要付印时，还应打开打印对话框确认纸张尺寸和方向，不要只信屏幕预览。

PDF 合并工具按选定顺序组合文件，PDF 拆分工具支持页码范围或固定间隔，PDF 页面编辑工具处理页面级修改。结构确认无误后，再用 PDF 压缩工具减小体积。

常见错误

• 不检查顺序就直接合并。
• 以为页面尺寸会自动统一。
• 期望签名在页面修改后仍然有效。
• 拆分后不核对总页数。
• 把文字为主的 PDF 压到模糊。
• 把机密文档上传到不可信的服务。

PDF 是页面的容器，不是可重排的文档。把合并和拆分当作页面操作，每次修改后都验证结构。

有些任务根本不该在 PDF 里做。目的是改措辞、重排版面，或把还需要继续编辑的内容合在一起时，应回到源文件格式，再导出一份新 PDF；编辑 PDF 只是在修补成品。文档带数字签名时，不要把它合并进一个合集，然后把合集当作签名仍然有效来发送。多个扫描件分辨率不同时，先在统一设置下重新扫描，再合并。工具在导出时提供“针对网页优化”选项时，先拿一页小字号正文做测试，因为激进的图片降采样会让原本能读的文档在笔记本屏幕上糊成一片。