PDF - 去除白边距

Question

PDF - 去除白边距

pdfpdf-generationitextghostscriptpypdf

14

我想知道如何从PDF文件中删除白色边距，就像Adobe Acrobat X Pro一样。我知道并不是所有的PDF文件都能做到这一点。

我猜做到这一点的方法是通过获取文本边距，然后在边距外裁剪。

首选PyPdf。

iText根据此代码查找文本边距：

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();
}

- jacktrades

2个回答

9

尝试使用pdfcrop。它需要ghostscript支持。

- Martin Schröder

2

关于“大文件”问题，在这篇博客文章的评论中，他们建议使用pdfcrop --xetex --resolution 72 [other-options] input.pdf output.pdf来解决它。 - Andrea Lazzarotto

2

免费、快速、自动并且正确地识别边距，预装好的。正是我所需要的。 - fuenfundachtzig

它无法处理受密码保护的PDF文件。 - Venktaish

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Kurt Pfeifle · Accepted Answer

我对PyPDF不是很熟悉，但我知道Ghostscript可以为你完成这件事。以下是一些类似问题的其他答案链接：

将每页2面的PDF转换为每页1面 (SuperUser.com)
分割pdf页面的免费软件？ (SuperUser.com)
使用Ghostscript 9.01裁剪PDF (StackOverflow.com)

第三个答案可能让您说'我明白它无法与每个PDF文件一起使用'。它使用 pdfmark 命令尝试将/CropBox设置到PDF页面对象中。

前两个答案的方法在第三个答案失败的情况下很可能会成功。该方法使用PostScript命令片段<</PageOffset [NNN MMM]>> setpagedevice来移动和放置PDF页面，将其放置在一个由-gNNNNxMMMM参数定义的（较小）媒体大小上（该参数定义了设备的宽度和高度，以像素为单位）。

如果您理解前两个答案背后的概念，您很容易就能够将那里使用的方法适应于裁剪PDF页面的所有4条边缘：

裁剪信纸大小PDF（8.5x11寸==612x792pt）每个边缘半英寸（==36pt）的示例命令（Windows命令）：

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

在Linux或Mac上进行相同的操作，请使用以下命令：

生成的页面大小将为7.5x10in（== 540x720pt）。

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

更新：如何使用Ghostscript确定“边距”

有评论要求“自动”确定白色边距。您可以使用Ghostscript工具来完成这项任务。其bbox设备可以确定每页（虚拟）墨水覆盖的区域（因此间接确定画布每个边缘的空白）。

以下是命令：

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 设备将每个 PDF 页面渲染到内存中（而不将任何输出写入磁盘），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

输出结果（例子）：

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

这将告诉您：

...第一页内容矩形的左下角坐标为[57 29]，右上角坐标为[562 741]
...第二页内容矩形的左下角坐标为[57 28]，右上角坐标为[561 667]

这意味着：

第一页左侧边缘使用了57pt的空白（72pt == 1in == 25,4mm）。
第一页底部边缘使用了29pt的空白。
第二页左侧边缘使用了57pt的空白。
第二页底部边缘使用了28pt的空白。

正如您从这个简单的例子中可以看到的那样，每个页面的空白并不完全相同。根据您的需要（您可能希望多页PDF的每个页面大小相同，是吗？），您必须计算出整个文档所有页面的每条边的最小边距。

现在来看看右侧和顶部的空白？要计算它，您需要知道每个页面的原始页面大小。确定这一点最简单的方法是使用pdfinfo实用程序。以下是一个5页PDF的示例命令：

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

输出结果（例如）：

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页面顶部和右侧边缘所需的（最大）白色边距。

当然，所有这些计算也可以脚本化。

但是，如果您的PDF都是独特的页面尺寸，或者它们是单页文档，那么完成所有操作会更加容易...