Linux разбить pdf на страницы
Обновлено: 07.07.2024
В сегодняшней заметке я покажу, как исходный PDF документ разбить на страницы каждая, из которых, будет представлена PDF страницей. Нам понадобится консольная утилита, не раз применяемая в моих заметках – это pdftk.
И так у нас есть система:
Description: Ubuntu 10.10
Для наших целей я создал в домашней каталоге папку и назвал её “pdf_on_output_pdf”, перейдем в неё:
В нём лежит PDF’ый документ (а именно купленный журнал Linux Format, выпуск – 154.pdf).
Теперь установим в нашу систему пакет pdftk из репозитариев Ubuntu 10.10 :
“в моем случае устанавливает такое большое число пакетов, у вас же может быть либо больше, либо меньше”
/pdf_on_output_pdf$ sudo apt-get install pdftk
Building dependency tree
The following packages were automatically installed and are no longer required:
esound-common libesd0 libaudiofile0 esound-clients libaudio2
The following extra packages will be installed:
ca-certificates-java default-jre default-jre-headless gcj-4.4-base
gcj-4.4-jre-lib icedtea-6-jre-cacao java-common libaccess-bridge-java
libaccess-bridge-java-jni libbcmail-java libbcmail-java-gcj libbcprov-java
libgcj-bc libgcj-common libgcj10 libgif4 libgnuinet-java libgnujaf-java
libgnumail-java libitext-java libitext-java-gcj openjdk-6-jre
openjdk-6-jre-headless openjdk-6-jre-lib ttf-dejavu-extra tzdata tzdata-java
equivs java-virtual-machine libbcmail-java-doc libbcprov-java-gcj
libbcprov-java-doc libgcj10-dbg libgcj10-awt libgnumail-java-doc
icedtea6-plugin sun-java6-fonts ttf-sazanami-gothic ttf-kochi-gothic
ttf-sazanami-mincho ttf-kochi-mincho ttf-telugu-fonts ttf-oriya-fonts
The following NEW packages will be installed:
ca-certificates-java default-jre default-jre-headless gcj-4.4-base
gcj-4.4-jre-lib icedtea-6-jre-cacao java-common libaccess-bridge-java
libaccess-bridge-java-jni libbcmail-java libbcmail-java-gcj libbcprov-java
libgcj-bc libgcj-common libgcj10 libgif4 libgnuinet-java libgnujaf-java
libgnumail-java libitext-java libitext-java-gcj openjdk-6-jre
openjdk-6-jre-headless openjdk-6-jre-lib pdftk ttf-dejavu-extra tzdata-java
The following packages will be upgraded:
1 upgraded, 27 newly installed, 0 to remove and 375 not upgraded.
Need to get 66.4MB of archives.
After this operation, 166MB of additional disk space will be used.
Do you want to continue [Y/n]? y – соглашаемся.
Теперь отобразим информацию по нашему PDF документу :
/pdf_on_output_pdf$ pdfinfo 154.pdf
Creator: Adobe InDesign CS3 (5.0)
Producer: Adobe PDF Library 8.0
CreationDate: Mon Jan 30 23:51:23 2012 – дата подготовки документа
ModDate: Fri Mar 2 13:08:57 2012
Pages: 116 – Количество страниц в документе
Encrypted: no – Документ не зашифрован
Page size: 595.276 x 841.89 pts (A4) – Формат страниц
File size: 29301782 bytes – Размер документа в байтах
Либо вот через такую строчку:
116 – Количество страниц в PDF документе.
Вытащим из PDF документа, определённые страницы (к примеру, 5’ую) и сохраним их в PDF :
/pdf_on_output_pdf$ pdftk 154.pdf cat 5 output 5.pdf
, если нужно указать диапазон извлекаемых страниц ( c 5’ую по 10’ую) :
/pdf_on_output_pdf$ pdftk 154.pdf cat 5-10 output 5.pdf
, если нужно извлечь все страницы каждая в отдельный pdf документ:
/pdf_on_output_pdf$ pdftk 154.pdf burst
В итоге мы получили файл содержащий метаинформацию по исходному PDF документу и каждую страницу представленную в формате PDF. Что нам собственно и требовалось. На этом всё, удачи.
Используйте прокси ((заблокировано роскомнадзором, используйте vpn или proxy)) при использовании Telegram клиента:
Поблагодари автора и новые статьи
будут появляться чаще :)
Карта МКБ: 4432-7300-2472-8059
Большое спасибо тем кто благодарит автора за практические заметки небольшими пожертвованиями. С уважением, Олло Александр aka ekzorchik.
Для разделения PDF на несколько файлов в Windows, доступны различные программы и онлайн разделители PDF. Лучший способ разделить PDF файлы - использовать надежную программу, например PDFelement, или аналогичные онлайн инструменты. Ниже в статье представлены различные инструменты для разделения PDF файлов и их основные функции.
Разделение PDF в Linux с помощью Ghostscript
Вы можете разделять PDF файлы с помощью Ghostscript. У пользователей Linux Ghostscript уже установлен в системе. Если это действительно так, Вы можете использовать этот простой способ в следующем порядке.
Шаг 2: Укажите файл, который хотите разделить, выходной файл и номер страницы в следующем формате: ./PDFsplitr.sh myoriginal.PDF mysplittedfile.PDF 2
Шаг 3: Сохраните Ваш скрипт в 'PDFsplitr.sh' .
Доступные инструменты PDF для разделения PDF в Linux
1. PDFtk
PDFtk - это набор инструментов для объединения, разделения и прикрепления файлов к PDF документам в Linux. Например, если Вы хотите удалить страницы с 20 по 25 из документа PDF, все, что Вам нужно сделать, это ввести команду "PDFtk myDocument.PDF cat 1-9 26-end output removedPages.PDF ".
- В нем есть опция «Пакетная печать», которая дает пользователям возможность разделить PDF файл на несколько файлов, сделав один файл для каждой страницы.
- Имеет возможность легко удалять определенные страницы PDF из файла.
- Гибкий и довольно простой в использовании.
2. PDF-Shuffler
PDF Shuffler - это небольшое приложение Python-GTK, способное разделять и объединять файлы PDF в Linux. Вы можете установить его вручную, ведь это очень просто. Вы также можете использовать команду sudo apt-get install PDFshuffler.
- При использовании нескольких файлов PDF, Вы можете открыть каждый файл отдельно, повторно нажав кнопку «Импорт».
- Обратите внимание, что эти страницы будут добавлены в окно просмотра в виде серии эскизов.
Лучший способ разделения PDF в Windows
PDFelement - это универсальный инструмент для работы с PDF, который можно использовать для выполнения большого количества различных задач PDF на Windows. Одна из таких задач - разделение документов PDF. Он может разделять файлы PDF с высоким уровнем настройки.
Советы по разделению PDF файла в Windows
Лучший инструмент для разделения PDF на Mac
PDFelement - это высокопроизводительное программное обеспечение, которое может разделять документы PDF на Mac. Фактически, оно считается лучшим инструментом для разделения PDF документов для пользователей Mac. Оно простое в использовании и предлагает пользователям высококачественные выходные файлы. Этот инструмент также позволяет настраивать параметры в процессе разделения.
В этом блоге публикуются заметки и решения, найденные в процессе работы, освоения и жизни в дистрибутиве Debian GNU/Linux.
Как объединить и разбить PDF в Linux подручными средствами
Для тех, кто не хочет перечитывать томик квантовой физики от авторов pdftk, есть вариант с рюшечками и бубенчиками под названием PDF Split and Merge (pdfsam).Как это всегда бывает, когда что-то кажется слишком прекрасным, чтобы быть правдой, обязательно найдётся заподлянка. И pdfsam не исключение - написан он на Java, а это значит кучи exceptions по поводу и без, лютые тормоза и интерфейс из фильма ужасов.
Установка и использование PDFsam в Linux
даёт что-то вроде:
Собственно, дальше всё довольно просто: pdfsam умеет объединять (merge), разрезать (split), поворачивать (rotate) документы PDF. Кроме того, имеет место быть режим burst, при котором из одного PDF-файла будет сделана куча одностраничных.
Например, для объединения PDF-файлов в один, просто добавляем файлы в порядке следования, выбираем новое имя файла и жмём RUN.
Из преимуществ можно отметить разве что графический, скажем так, интерфейс. Всё остальное - это типичное джава приложение: глючное, медленное и корявое (например, при split нужно указывать номер страницы, на единицу меньший той, с которой разрезание начнётся, и т.д.).
Сжатие и компрессия PDF файлов
Побочным продуктом работы pdfsam может быть раздувание PDF-файла до непричиных размеров. Этому горю можно помочь с помощью утилиты gs вот так:gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdfЭто может сжать PDF, по крайней мере в большинстве случаев.
Мастерам консоли: резка и склейка PDF файлов в pdftk
PDFtk расшифровывается как pdf tool kit, и, как и подобает настоящему набору инструментов, требует некоторого изучения. Зато работает быстро, умеет много и клацать мышью не надо.Установка pdftk проста - он уже есть в Debian:
pdftk исходный_файл.pdf ДЕЙСТВИЕ страницы output получаемый_файл.pdf
Как разбить PDF файл на несколько
Для того, чтобы разрезать PDF-файл на несколько, нужно воспользоваться ДЕЙСТВИЕМ cat, например вот так:Эта команда выдаст файл zz1.pdf, в котором будут три страницы, а именно 140, 141 и 142. Если же нужно разбить файл с какой-то страницы до конца, делаем так:
Объединение нескольких файлов PDF в один с помощью PDFtk
Та же самая команда cat может склеивать PDF-файлы в один:служит для объединения всех файлов, содержащих zz в имени, в один Issue26.pdf
Если файлы называются по-разному, можно использовать следующую команду для объединения файлов в один:
Изменение полей PDF-документа
Речь идёт о полях в PDF файле вроде автора, заголовка или времени создания:
InfoKey: TitleЭти значения можно отредактировать в полученном текстовом файле (report.txt в этом примере) и загрузить обратно:
InfoValue: Coders At Work
InfoKey: Author
InfoValue: Peter Seivel
InfoKey: Subject
InfoValue: Programming
pdftk book.pdf update_info report.txt output bookcopy.pdf
И это ещё не всё!
Возможности pdftk весьма велики, и желающие могут припасть к официальной документации.
Склейка страниц PDF файла в буклет с помощью LaTeX pdfpage
Например, у нас есть документ под формат А6, созданный в ЛаТеХе (назовём его mya6doc.pdf:
Теперь создаём ещё один документ (назовём его mya4doc):
Скомпилировать его нужно с помощью pdflatex. Это позволит получить все страницы ( pages=- ) в 2x2 страницы на одной ( nup=2x2 ) с прорисованной границей вокруг каждой страницы ( frame ).
Это означает, что pdfpages воспринимает вставляемые страницы как изображения, так что можно дополнительно задать поля для обрезки:
то есть страница будет обрезана на 1, 2, 3, 4 сантиметра слева, снизу, справа и сверху. Опция clip=true обрежет страницу.
Путь джедая: склеивание PDF документов с помощью gs
Как многие джедаи уже в курсе, gs это GhostScript, свободный как Столлман интерпретатор postscript и, соответственно, PDF. Командой gs можно не только орехи колоть, но и соединять документы. Соединять документы с помощью Ghostscript можно вот так:$ gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -sOutputFile=finished.pdf file1.pdf file2.pdf
Теперь что это всё значит:
Преимущество такого джедайства в том, что Ghostscript входит во все дистрибутивы Linux и часто уже установлен в системе. И не нужно тащить килотонны джавы.
Сохранение размеров EPS файлов при конвертировании в PDF
Не совсем в тему, но тем не менее про PDF. Дело в том, что при конвертировании файлов EPS в PDF разными поделками вроде ps2pdf вы получаете PDF в виде пустой страницы A4 с картинкой EPS где-то в углу. То есть поделка ps2pdf просто игнорирует выставленный BoundingBox при использовании по умолчанию:Я не буду говорить о вменяемости авторов ps2pdf, но всякий разработчик с IQ выше комнатной температуры должен понимать, что подобные WTF-моменты в пользовательском опыте в конечном итоге приводят к тому, год линупсов на десктопе уезжает в голубую даль. И это происходит именно из-за таких вот казусов, коих в ёпенсорце год от года становится только больше из-за набегающих леннартов поттерингов и прочих ковбоев, склонных к тяжёлому велосипедостроению там, где этого абсолютно не требуется.
Так как ps2pdf принимает те же аргументы, что и Ghostscript, имеющий 900 газиллионов опций, среди которых должна быть возможность сохранять BoundingBox. И таки да, чудо случилось:
который даёт тот самый PDF, который от него, собственно, и ждёшь.
Заключение
Перечисленные возможности - не предел мечтаний, и всегда можно найти свежесобранный опенсорцовый велосипед со спойлером, антикрыльями и колёсами в форме листа Мёбиуса. Обнаружившим нечто интересное в деле работы с PDF документами просьба не стесняться в комментариях.16 комментариев: |высказаться!| RSS-лента дискуссии.|
Совсем не понимаю, почему не удостоена вниманием библиотека Poppler, с замечательными утилитами pdfseparate и pdfunite? А еще, богатые возможности GhostScript? Вместо этого какие-то поделки на Java и Tcl.
В последнее время каждая заметка превращается в плач Ярославны и смачный пинок под зад линуксу. Если работа в Linux у автора сопряжена с воем и рыданием, что мешает поставить ОС проприетарную? Конечно, не факт, что воя и рыданий там будет меньше.
Важная информация собранная в одном месте и искрометный юмор.
Получил массу удовольствия от вашей статьи!
Большое спасибо!
Кстати, вопрос:
Приходилось ли вам встречать программу (решение, велосипед, волшебную фразу) для заполнения кириллицей pdf с полями для ввода текста?
Для конвертирования eps в pdf всё время пользовался утилитой epstopdf, у которой всё в порядке с BoundingBox. Статья подвигла меня выяснить, из какого-таки пакета родом это чудо (раз, по-видимому, в стандартных его нет); оказалось, что из texlive-font-utils.
Так уж случилось, что texlive я все время ставил на всю катушку, и соответственно, epstopdf была всегда под рукой, а косяка в ps2pdf не замечал. А косяк, да, отвратительный.
Ну а за статью спасибо.
к pdftk есть графические фронтэнды
Совсем не понимаю, почему не удостоена вниманием библиотека Poppler, с замечательными утилитами pdfseparate и pdfunite?
В моём дебиане этого нет. А pdftk есть - у него, кстати, один из самых вменяемых командных интерфейсов.
А еще, богатые возможности GhostScript?
В гробу я их видал, эти "богатые возможности", особенно вот это:
ps2pdf -dEPSCrop letterhead.eps
В посте я про это уже сказал, что так делают только полные [цензура].
Вместо этого какие-то поделки на Java и Tcl.
Главное, Володя, что они работают, а то мне надо было отправлять заявку на грант, а оно просит ОДИН большой PDF-файл, а не пару мелких. Мне ехать, а не шашечки.
@Viktor Yu. Kovalskiy комментирует.
Ещё есть один проект PDF-Shuffler:
Виктор, есть проблема:
PDF-Shuffler is a small python-gtk application
У меня уже стоит пистон2.4 для старых скриптов, пистон 2.6 для почти всего, а на днях пионэр-автор ReTeXt перешёл на пистон3. Как бы это помягче выразиться, но я не стану превращать свой ноутбук в гадюшник.
@redVi комментирует.
В последнее время каждая заметка превращается в плач Ярославны и смачный пинок под зад линуксу.
Возможно потому, что время идёт, Андроид занимает 80% рынка мобильников, а десктопный линукс где был, там и остаётся. И особых подвижек в сторону большего количества нормального софта я не вижу: как стоял у меня ВиртуальныйЯщик с виндовым софтом, так и стоит.
А возможно, мне нужно взять перекур с блогом. У меня уже были мысли прикрыть эту лавку. но я просто хочу взять тайм-аут. Тем более, что у меня на носу переезд в другой университет.
Если работа в Linux у автора сопряжена с воем и рыданием, что мешает поставить ОС проприетарную?
Я пристально смотрю на Мак, но там свои косяки, самый главный из которых - мне навязывают макинтошный стиль работы. А это deal-braker.
@inickto комментирует.
Важная информация собранная в одном месте и искрометный юмор.
Насчёт последнего автор не уверен, а про информацию - это да, долго собирал.
Приходилось ли вам встречать программу (решение, велосипед, волшебную фразу) для заполнения кириллицей pdf с полями для ввода текста?
Всё, что я слышал, это то, что есть FDF-toolkit, но никогда этим не пользовался. Я уж как-нибудь по-старинке, вприсядку :-)
@riedel комментирует.
Для конвертирования eps в pdf всё время пользовался утилитой epstopdf, у которой всё в порядке с BoundingBox.
Хммм, это интересно. Я про эту утилиту, если честно, не знал. Или забыл. Она в моём дебиане тут:
что, конечно, сразу очевидно :-)
Статья подвигла меня выяснить, из какого-таки пакета родом это чудо
Ну да, оно не в самом видном месте, скажем так. Просто мой шеф любит pdflatex, и всегда меня долго и громко благодарит на испанском за то, что у меня какие-то eps. Я как-то прошёлся ps2eps14 по постскриптам, сконпелировал и обомлел. Найти волшебный ключик -dEPSCrop стоило, скажем мягко, усилий, что и послужило причиной эмоциональной реакции в посте.
А косяк, да, отвратительный.
Я бы мог отнестись с бОльшим пониманием, если бы сохранение размеров было по умолчанию, а вклейка в пустой А4 файл - опцией. Но я и авторы ps2pdf курим разные шишки :-)
Ну а за статью спасибо.
Пожалуйста. А вам спасибо за epstopdf. Век живи - век учись.
@dimio комментирует.
к pdftk есть графические фронтэнды
А можно ссылок в студию? А то у меня только pdftk и ничего больше.
@virens комментирует.
В моём дебиане этого нет. А pdftk есть
Это требует Tcl/Tk, у меня этого нет. Так что о годности софта будем судить по тому, требуется ли ввести "apt-get install" или нет?
Под линукс? Нет, конечно: там и выделенный текст-то в PDF-файлах вытаскивается с воем и рыданиями
Я уже давал ссылку на свой репозиторий, но похоже, что не в того коня корм. Зато разводить плачи Ярославны это так по-мужски.
И особых подвижек в сторону большего количества нормального софта я не вижу: как стоял у меня ВиртуальныйЯщик с виндовым софтом, так и стоит.
Так и есть, и будет всегда. Потому что Linux - среда для программистов, это ни плохо ни хорошо, это просто факт. Почитай Спольски на эту тему, я с ним абсолютно согласен.
Я бы мог отнестись с бОльшим пониманием, если бы сохранение размеров было по умолчанию, а вклейка в пустой А4 файл - опцией. Но я и авторы ps2pdf курим разные шишки :-)
Михаил, ты не понимаешь разницы между PS и EPS, а начинаешь опять про вселенский заговор против пользователей линукса. BoundingBox входит в стандарт EPS, термин "Encapsulated" на это недвусмысленно намекает. PostScript, напротив, не поддерживает размер изображения, это там просто нет. Выучи матчасть наконец. То есть, только epstopdf. Есть и у нее заморочки, например, если в рисунке подписи выполнены LaTeX-шрифтом, то BoundingBox определяется некорректно, но это уже проблемы самого шрифта, для которого заранее нельзя определить размер символов.
Что-то совсем не похоже на подручные средства. Все эти программы надо устанавливать.
Спасибо за статью, как раз сегодня понадобилось.
Сравнил варианты с использованием gs и pdftk, последний работает гораздо быстрее (3m38.926s и 11.654s, соответственно). При этом gs выполняет оптимизацию получившегося документа (размер склеенного pdf меньше суммарного размера исходных файлов), а pdftk - нет, размеры совпадают.
Не критики ради, а просто в качестве уточнения:
1. ps2pdf -- это и есть GhostScript. Все эти утилиты (ps2pdf*) являются sh-скринтами обёртками к gs с параметром -sDEVICE=pdfwrite. В этом легко убедиться сделав "less /usr/bin/ps2pdfwr"
Формат PDF стал очень популярен с развитием интернета и распространением электронной документации, и тем, кто имеет дело с текстами, приходится подбирать инструментарий, чтобы открывать файлы в этом формате и работать с ними. Сторонникам *nix есть из чего выбирать.
PDF-файлы достаточно сложны по своей структуре, они могут содержать текст, графику, вложения, иметь сжатие и шифрование, поэтому современные версии формата невозможно прочитать при помощи стандартных команд Linux, cat, less или обычного текстового редактора вроде vi. Для просмотра и извлечения информации необходимо использовать специальную программу.
Сам Adobe также выпускает версию Adobe Reader для UNIX, но она давно не обновлялась и вряд ли представляет какой-то интерес. В большинстве дистрибутивов Linux по умолчанию установлена какая-то из программ для чтения PDF-файлов, поэтому проблем с этим нет. В Ubuntu и клонах это одна из лучших и в то же время очень простых программ Evince, разрабатываемая в рамках проекта GNOME, но она отлично работает и с любым другим оконным менеджером. Evince поддерживает просмотр — PDF, DjVu, TIFF, PostScript, DVI, XPS, SyncTex, Сomics Books (cbr, cbz, cb7, cbt) и презентации в формате ODP. Открывает зашифрованные документы PDF. Реализован поиск по документу, несколько вариантов отображения структуры документа (древовидная, миниатюры страниц и другие), что позволяет быстро найти нужную. Для PDF и DVI можно выделить нужный фрагмент текста и скопировать его в буфер обмена, произвольный участок страницы сохраняется в картинку. Есть возможность установки закладок, запуска в режиме презентации и полноэкранном, вывод по одной или по две страницы, зуминг и поворот страницы. Каждый документ открывается в новом окне; если их много, это бывает неудобно. В целом весьма хороший просмотрщик для PDF-файлов, не сильно требующий ресурсов.
Evince — простой и удобный просмотрщик PDF
В репозитории можно найти еще несколько альтернатив. Наиболее современный из них — универсальный просмотрщик документов от проекта KDE Okular, кроме PDF поддерживающий PostScript, DjVu, CHM, XPS, ePub, CHM и некоторые другие форматы. По функциям он превосходит Evince, больше всяких возможностей по просмотру и навигации, есть даже настройки производительности, позволяющие установить оптимальный режим вывода документа в зависимости от мощности компьютера.
Плюс целый ряд легких просмотрщиков с минимальным интерфейсом, но не уступающих функционально, — ePDFviewer, XPDF, MuPDF, Zathura и другие. Например, Zathura и MuPDF вообще не имеют кнопок, управляются при помощи клавиш (все они описаны в man), а программы весят меньше сотни килобайт и летают даже при загрузке больших документов. В Zathura возможно сохранить текущую страницу в графический файл или сохранить изображение в буфер обмена.
С графической средой в общем все понятно, но бывает, что PDF-файл нужно прочитать в консоли, а ничего под рукой нет. Здесь два варианта — специальный просмотрщик, использующий framebuffer, и конвертирование файлов в другой формат (текстовый или HTML). Для первого случая нам понадобится просмотрщик изображений через фреймбуфер fbi и один из вьюверов PDF — fbgs (Framebuffer Ghostscript Viewer), который входит в состав пакета fbi или аналогов — FBPDF, JFBPDF. Кроме PDF, fbgs поддерживает и DjVu. Принцип работы прост — из страниц документа автоматически генерируется изображение, которое и выводится в консоль. Но нужно учесть, что работает этот способ для реальной консоли, в эмуляторе терминала запуск приведет к ошибке. Установка:
Для просмотра пользователь должен быть добавлен в группу video:
Теперь можно смотреть:
Некоторое время придется подождать, пока будут сгенерированы изображения.
В большинстве программ с GUI PDF поддерживается при помощи библиотеки poppler, которая, в свою очередь, базируется на коде популярного просмотрщика xpdf. Кроме собственно библиотеки, проект предлагает 11 консольных утилит для работы с PDF-файлами, которые позволяют конвертировать PDF во всевозможные форматы (текст, HTML, PPM, PS, PNG, JPEG, SVG) и извлекать заголовок, вложения, рисунки и шрифты. Конвертеры pdftohtml и pdftotext как раз подходят для чтения файлов в консоли. В Ubuntu, как правило, эти утилиты уже установлены. Если выполнить, не указав имя выходного файла, или вывести на стандартный вывод, то в текущем каталоге будет создан файл с аналогичным именем и расширением txt или html, который затем можно открыть в любом редакторе или консольном браузере (например, Links или ELinks). Или просто прочитать:
К слову, файловый менеджер Midnight Commander в некоторых дистрибутивах позволяет просматривать PDF-файлы. За это отвечает скрипт /usr/lib/mc/ext.d/doc.sh (описывается в /etc/mc/mc.ext). Если его просмотреть, то увидим, что по умолчанию файл конвертируется в текстовый как раз при помощи pdftotext и затем выводится на экран. Хотя возможны и другие варианты, поэтому стоит заглянуть в doc.sh.
Утилиты из poppler покрывают почти все основные форматы для конвертирования и некоторой обработки PDF-файлов. Так, PDF-файлы могут содержать вложения, утилита pdfdetach позволяет просмотреть их список и извлечь:
Аналогично одной командой извлекаются изображения.
Чтобы узнать информацию о встроенных шрифтах, следует запустить утилиту pdffonts.
В контексте можно вспомнить о SWFTools, содержащем несколько конвертеров в формат SWF (Small Web Format), включая PDF2SWF. Единственный момент, что пакет SWFTools в Ubuntu и некоторых других дистрибутивах не включает утилиту pdf2swf, поэтому ее приходится устанавливать из исходников:
В итоге получен SWF-файл, открыв который в веб-браузере или проигрывателе увидим периодически сменяющие друг друга страницы документа. Можно обработать лишь часть документа, указав номера избранных страниц с помощью опции --pages:
Еще одна полезная утилита, распространяемая под Artistic License, — QPDF представляет собой конвертер PDF, позволяющий производить различные преобразования: оптимизацию для веба, шифрование/дешифрование, верификацию файлов, а также слияние и разделение. С ее помощью также можно создать PDF-файл программным способом, QPDF берет на себя все синтаксическое представление объектов, создание перекрестных ссылок таблицы, шифрование, линеаризацию и другие детали синтаксиса.
При обновлении версии Adobe Extension Level, которое используется при создании PDF-файлов в облаке компании Adobe, часто первое время невозможно такие файлы прочитать на программах, отличных от Adobe Reader. Здесь как раз и выручает QPDF (и некоторые другие утилиты обзора), достаточно снять с файла шифрование, и вопрос с чтением снимается. Смотрим свойства документа при помощи pdfinfo из комплекта poppler:
Теперь с чтением проблем точно не будет. Если файл защищен паролем, то его следует указать при помощи параметра --password.
Получаем информацию о файле при помощи pdfinfo
При работе с PDF очень часто возникает задача сборки файлов из частей отдельных документов или изменения отдельных параметров, таких как размер листа или ориентации (книжная или альбомная). Несложные скрипты позволяют сделать все нужное буквально одной командой, но для начала следует разобраться с базовыми утилитами.
Утилиты pdfseparate и pdfunite из poppler позволяют извлекать отдельные страницы и объединять документы. Причем среди других описанных далее они самые простые в использовании, так как не имеют большого количества опций, и с их работой легко разобраться. Например, извлекаем страницы с 10-й по 20-ю и сохраняем их в отдельный документ:
В имени переменная %d обязательна, так как pdfseparate умеет сохранять страницы только в отдельные файлы. Вместо него будет подставлен номер страницы, то есть в нашем случае получим файлы с именем file-10.pdf . file-20.pdf. Если все же нужен единственный документ, то на помощь приходит pdfunite. Соберем страницы 10 и 11 в один документ:
У QPDF очень много параметров и возможностей, это практически универсальная утилита для обработки файлов формата PDF, причем многие операции выполняются одной командой. Например, можем сохранить в отдельный файл нужные страницы одного или нескольких источников:
В результате получим файл, собранный из полного документа in.pdf и указанных страниц документов in1.pdf и in2.pdf. Диапазон можно задавать через дефис или перечислить страницы через запятую. Возможен и реверс при помощи конструкции z-№страницы. Добавив параметр --linearize, сгенерируем оптимизированные для веба файлы. Специальный QDF-режим (--qdf) позволяет создавать PDF-файлы, которые затем можно редактировать в обычном текстовом редакторе, то есть без сжатия и шифрования, нормализованный и со специальными метками. Правда, и размер такого файла как минимум в два раза больше.
Иногда нужно просто сравнить две версии PDF-файла — текст, рисунки, вложения. Здесь помогут две прекрасные утилиты: diffpdf и comparepdf. В самом простом случае:
На выходе получим отличие. Если файлы одинаковы, то команда ничего не выдаст (опция «-v 2» сделает ее чуть болтливей). Diffpdf представляет собой GUI-программу, позволяющую произвести постраничную сверку документа. В случае отсутствия расхождения, после запуска будут показаны пустые поля.
Сравнение документов в diffpdf
При необходимости в diffpdf можно задать диапазоны проверки. Это полезно, если, например, в документ добавлена страница, а поэтому постраничная проверка после нее точно покажет несоответствие.
Не всем пользователям нравится разбираться с многочисленными параметрами и экспериментировать, некоторые предпочитают просто выбрать нужные операции в GUI. Нет проблем. PDF-Shuffler — небольшое Python-GTK приложение к Python-библиотеке pyPdf, предоставляющей все функции для работы с PDF: извлечение, слияние, обрезку, шифрование/дешифрование и прочее. Программа есть в репозитории дистрибутивов:
Интерфейс не локализован, но все, что требуется после запуска, — это кинуть файлы в окно программы, а после того, как будут отображены все страницы документа, при помощи меню удаляем, обрезаем, поворачиваем, экспортируем нужные. Если требуется произвести операцию с несколькими страницами сразу, то просто отмечаем их при нажатой клавише Ctrl, после чего сохраняем результат в новый документ. Быстро и очень удобно. Правда, как видим, PDF-Shuffler использует далеко не все возможности библиотеки, нет, например, оптимизации и шифрования/дешифрования, нельзя производить другие преобразования вроде изменения размера листа. Поэтому полностью консольные утилиты он не заменяет. Кстати, pyPdf, на котором базируется PDF-Shuffler, уже не развивается и сегодня в дистрибутивах, бывает, замещается форком PyPDF2, который полностью совместим с оригиналом плюс содержит несколько новых методов.
PDF-Shuffler позволяет легко убрать все лишнее из документа
Среди альтернатив PDF-Shuffler можно выделить PDF Mod, легкое, очень простое в использовании приложение с локализованным интерфейсом, которое позволяет извлекать, удалять страницы, изменять их порядок, поворачивать, объединять несколько документов, экспортировать изображения в выбранной странице и редактировать информацию в заголовке документа (названия, ключевые слова, автор). Поддерживаются закладки. PDF Mod есть в репозитории:
Окно PDF Mod
Кросс-платформенная утилита PDFsam — PDF Split And Merge, написанная на Java, умеет объединять, разрезать и поворачивать документы PDF. А в режиме burst генерирует из страниц PDF отдельные файлы. В репозитории далеко не самая последняя и весьма глючная версия. Новые релизы уже лишены многих недостатков, поэтому лучше ставить с официального сайта, но придется немного покомпилировать, так как без оплаты разработчики предлагают только сборку под Win и исходные тексты.
Редактирование PDF
PDF сам по себе сложный формат, предназначенный для издательской продукции, требующий специальных инструментов для создания и редактирования. И *nix-пользователям есть из чего выбирать. Создать PDF-документ можно в Open/LibreOffice, а чтобы получить возможность редактирования, следует установить расширение Oracle PDF Import Extension. Кроме этого, доступны специальные приложения — PDFedit, Scribus и Master PDF Editor. Среди них Scribus — очень мощное приложение со множеством функций, требующее времени на освоение.
Master PDF Editor — весьма простой инструмент, распространяемый бесплатно для некоммерческого использования. PDFedit позволяет производить любые операции по внесению исправлений в PDF-документы. Встроенные средства дают возможность редактировать текст и графику, но не дружат с таблицами. Возможна автоматизация при помощи ECMAScript-скриптов. К сожалению, PDFedit, использующий Qt 3, в текущей версии Ubuntu убран из-за отсутствия поддержки пакета libqt3-mt, а попытка установки не всегда удачна. Версия на Qt 4 пока находится в стадии разработки.
В контексте работы с PDF утилиту PDFtk Сида Стюарда (Sid Steward) хотелось бы выделить особо. Это даже не утилита, а комбайн «все в одном», позволяющий разделить или объединить несколько документов в один, расшифровать/зашифровать PDF-файл, добавить или удалить вложения, заполнить формы, восстановить поврежденные документы и многое другое. Вообще, разработчики предлагают несколько решений, основа всех — консольная утилита PDFtk Server, о которой речь дальше. Для пользователей Win разработчики предлагают GUI. Плюс доступны еще две утилиты: GNU Barcode Plus PDF для генерации штрих-кода в PDF-файл и платный STAMPtk, генерирующий водяные знаки и колонтитулы в PDF-файле. Пакет PDFtk уже есть в репозиториях дистрибутивов, поэтому с установкой проблем нет. Вместе с командой следует указать имя входных и выходного файла (поддерживается маска), команду и параметры. Всего поддерживается 18 команд, все они описаны в документации. Приведу лишь несколько примеров, достаточных для понимания сути работы с PDFtk. Например, команда cat позволяет объединить несколько файлов в третий — outfile.pdf:
Если файлов много, то проще собрать их в одном каталоге и использовать маску *.pdf. Отдельные страницы вырезаются просто указанием их номеров после cat:
Причем, если файлов несколько, для каждого задаются свои страницы, при необходимости меняется ориентация.
В примере из документа in1.pdf будет извлечена первая страница, которая будет повернута на 90 градусов. Со второго документа извлекаются только четные страницы в диапазоне 2–20. Четность возможно указать как even (четный) или odd (нечетный), поворот указывается как north, south, east, west, left, right или down. Последнюю страницу документа можно указать при помощи ключевого слова end. Диапазон указывается или прямо, как в примере, или реверсно (например, end-1). Чтобы разложить PDF на страницы, используется команда burst.
Теперь открываем и правим metadata.txt в текстовом редакторе, после чего загружаем обратно:
Дешифровка PDF, о которой мы говорили выше, дело одной команды:
PDFtk — универсальная утилита для работы с PDF
На самом деле это далеко не все утилиты для работы с PDF-файлами. Практически не затронут вопрос генерации PDF из различных источников. Но большинство решений легко найти в репозитории. Преобразование через PostScript дает еще большие возможности по управлению содержимым.
Читайте также: