Quitar páginas duplicadas de un PDF

Funciones

• Encuentra páginas duplicadas por el texto y conserva la primera aparición
• Lista cada eliminación: qué página se fue y de cuál era duplicado
• Las páginas sin capa de texto (escaneos, imágenes enteras) se dejan intactas y se informan aparte
• Un documento enteramente escaneado recibe un «no se puede comparar» claro, en vez de un simple «no hay duplicados»
• Se conserva el orden: quitar duplicados no reordena el resto
• El original queda intacto, así que una eliminación equivocada se deshace volviendo a empezar
• No se sube nada ni interviene ningún servidor

Cómo se usa

1. Suelta el PDF que quieras limpiar
2. La herramienta extrae el texto página a página y compara; el resultado nombra las páginas quitadas
3. Revisa esa lista para confirmar que de verdad eran duplicados
4. Descarga el resultado; si algo se quitó por error, abre el original y vuelve a procesarlo

Preguntas frecuentes

¿Cómo decide que dos páginas son duplicadas?

Extrae la capa de texto de cada página, normaliza las secuencias de espacios y compara; un texto idéntico es un duplicado, y se conserva la primera aparición. Normalizar los espacios es necesario porque el mismo texto exportado dos veces puede traer indentaciones y líneas en blanco distintas, y sin ello se te escaparían duplicados. Las mayúsculas y la puntuación no se tocan: forman parte del contenido, así que `Hello` y `hello` no son la misma página.

¿Por qué no quitó nada de mi PDF escaneado?

Porque la comparación es textual, y un escaneo no tiene capa de texto (cada página es una imagen sin texto que se pueda buscar). Las páginas sin capa de texto se tratan como no comparables y se dejan tal cual. Si la mayor parte del documento es así, la herramienta lo dice llanamente en vez de informar «no se encontraron duplicados», porque esto último sería una respuesta segura sobre algo que nunca miró. Tratar escaneos exige comparar imágenes, que es otra herramienta.

¿Podría borrar una página que no debería?

Es posible, y por eso cada eliminación aparece listada. El juicio usa solo el texto, no la maquetación: dos páginas con las mismas palabras pero distinta maquetación o imágenes (el mismo descargo con otra foto, por ejemplo) cuentan como duplicados. «Se ve igual» y «debería borrarse» no son lo mismo: las páginas en blanco repetidas de un contrato y los capítulos repetidos de un libro pueden ser deliberados, así que revisa la lista antes de usar el resultado. El original nunca se modifica, así que un error solo significa volver a abrirlo.

¿Cuál de las copias se conserva?

La primera aparición. Los duplicados de una unión suelen ser el mismo material incluido dos veces, y la copia anterior tiende a estar en el documento previo, que es la posición más natural. Conservar la posterior desplazaría hacia el final páginas que deberían ir en medio.

¿En qué se diferencia de «Organizar PDF»?

Aquel borra por número de página: úsalo cuando sabes qué páginas quitar. Este encuentra los duplicados: úsalo cuando no lo sabes o no te apetece ir página a página. Los dos quitan páginas; la diferencia es quién decide. Aquí decide la herramienta, y por eso precisamente conviene revisar la lista. Para las páginas en blanco que se cuelan del escáner sirven los dos, pero borrar por número en Organizar PDF es más preciso.