PDF -删除白边距

Question

我想知道一种从PDF文件中删除白边距的方法。就像Adobe Acrobat X Pro一样。我知道它不会对每个PDF文件都起作用。

我猜这样做的方法是获取文本边距，然后从边距中裁剪出来。

最好使用PyPdf。

iText根据以下代码查找文本边距：

public void addMarginRectangle(String src, String dest)
    throws IOException, DocumentException {
    PdfReader reader = new PdfReader(src);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(RESULT));
    TextMarginFinder finder;
    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        finder = parser.processContent(i, new TextMarginFinder());
        PdfContentByte cb = stamper.getOverContent(i);
        cb.rectangle(finder.getLlx(), finder.getLly(),
            finder.getWidth(), finder.getHeight());
        cb.stroke();
    }
    stamper.close();
}

Answer 1

我对PyPDF不是很熟悉，但我知道Ghostscript可以帮你做到这一点。以下是一些类似问题的其他答案的链接：

1. (SuperUser.com)
2. (SuperUser.com)
3. (StackOverflow.com)

第三个答案可能是让你说“我知道它不适用于所有PDF文件”的原因。它使用pdfmark命令尝试将/CropBox设置到PDF page对象中。

前两个答案的方法很可能在第三个答案失败的地方成功。此方法使用<</PageOffset [NNN MMM]>> setpagedevice的PostScript命令片段在-gNNNNxMMMM参数(以像素为单位定义设备宽度和高度)定义的(较小)媒体大小上移动和放置页面。

如果你理解前两个答案背后的概念，你将很容易适应那里使用的方法来裁剪PDF页面所有4个边缘的页边距：

下面是一个示例命令，可将信纸大小的PDF (8.5x11in == 612x792pt)裁剪半英寸(==36pt) (此命令适用于Windows)：

gswin32c.exe ^
    -o cropped.pdf ^
    -sDEVICE=pdfwrite ^
    -g5400x7200 ^
    -c "<</PageOffset [-36 -36]>> setpagedevice" ^
    -f input.pdf

生成的页面大小为7.5x10in (== 540x720pt)。要在Linux或Mac上执行相同的操作，请使用：

gs \
    -o cropped.pdf \
    -sDEVICE=pdfwrite \
    -g5400x7200 \
    -c "<</PageOffset [-36 -36]>> setpagedevice" \
    -f input.pdf

更新:如何使用Ghostscript确定‘页边距’

一条评论要求“自动”确定白边距。你也可以使用Ghostscript来实现这一点。它的bbox设备可以确定每一页上的(虚拟)墨水覆盖的区域(因此，间接地确定画布每个边缘的空白)。

下面是命令：

gs \
  -q -dBATCH -dNOPAUSE \
  -sDEVICE=bbox \
   input.pdf 

输出(示例)：

 %%BoundingBox: 57 29 562 764
 %%HiResBoundingBox: 57.265030 29.347046 560.245045 763.649977
 %%BoundingBox: 57 28 562 667
 %%HiResBoundingBox: 57.265030 28.347046 560.245045 666.295011

bbox设备在内存中呈现每个PDF页面(不向磁盘写入任何输出)，然后将BoundingBox和HiResBoundingBox信息打印到stderr。您可以像这样修改此命令，以使结果更易于解析：

gs \
    -q -dBATCH -dNOPAUSE \
    -sDEVICE=bbox \
     input.pdf \
     2>&1 \  
  | grep -v HiResBoundingBox

输出(示例)：

 %%BoundingBox: 57 29 562 764
 %%BoundingBox: 57 28 561 667

这会告诉你..。

• ...that 第1页的内容矩形的左下角位于坐标[57 29]，右上角位于[561 667]

；第2页的内容矩形的左下角位于坐标[57 28]，右上角位于[57 28]

这意味着：

• Page 1在左边缘使用57磅的空格edge.
• Page 1在底部使用29磅的空格2在左边缘使用57磅的空格在底部边缘使用28磅的空格。

正如您已经从这个简单的示例中看到的，每个页面的空格并不完全相同。根据您的需要(您可能希望多页PDF的每一页都具有相同的大小，不是吗？)，您必须计算出文档所有页面中每条边的最小页边距是多少。

现在，右边缘和顶部边缘的空格是什么？要计算该值，您需要知道每个页面的原始页面大小。确定这一点的最简单方法是：pdfinfo实用程序。5页PDF的命令示例：

pdfinfo \
  -f 1 \
  -l 5 \
   input.pdf \
| grep "Page "

输出(示例)：

Page    1 size: 612 x 792 pts (letter)
Page    2 size: 612 x 792 pts (letter)
Page    3 size: 595 x 842 pts (A4)
Page    4 size: 842 x 1191 pts (A3)
Page    5 size: 612 x 792 pts (letter)

这将帮助您确定所需的画布大小以及每个新PDF页面的上边缘和右边缘所需的(最大)白边距。

当然，这些计算也都可以脚本化。

但是，如果您的PDF都是uniq页面大小，或者它们是单页文档，那么完成起来就容易得多了……

Answer 2

试试pdfcrop。它需要ghostscript。