如何防止我的PDF转SVG代码生成臃肿的内容？

Question

我想将PDF转换为SVG。我已经使用Apache PDFBox和Batik库编写了自己的Java程序。

PDDocument document = PDDocument.load( pdfFile );
DOMImplementation domImpl =
    GenericDOMImplementation.getDOMImplementation();

// Create an instance of org.w3c.dom.Document.
String svgNS = "http://www.w3.org/2000/svg";
Document svgDocument = domImpl.createDocument(svgNS, "svg", null);
SVGGeneratorContext ctx = SVGGeneratorContext.createDefault(svgDocument);
ctx.setEmbeddedFontsOn(true);

// Ask the test to render into the SVG Graphics2D implementation.

    for(int i = 0 ; i < document.getNumberOfPages() ; i++){
        String svgFName = svgDir+"page"+i+".svg";
        (new File(svgFName)).createNewFile();
        // Create an instance of the SVG Generator.
        SVGGraphics2D svgGenerator = new SVGGraphics2D(ctx,false);
        Printable page  = document.getPrintable(i);
        page.print(svgGenerator, document.getPageFormat(i), i);
        svgGenerator.stream(svgFName);
    }

这个解决方案是可行的，但生成的SVG文件大小巨大（比原始PDF文件大多倍）。通过在文本编辑器中查看SVG，我已经找到了问题所在：即使字符的字体属性相同，它也会将原始文档中的每个字符都封闭在自己的<text> </text>块中。

例如，单词“hello”将显示为6个不同的文本块。

有没有办法修复上述代码？或者是否有其他更有效的解决方案？

- user434541

---

相关：将PDF转换为干净的SVG？ - TylerH

请注意，在 Stack Overflow 上，工具推荐请求是不被允许的话题。不幸的是，到目前为止下面每一个答案都是关于工具推荐的，因此完全从上面的帖子中删除该请求将使这些答案无效，这是不被允许的。希望我对问题的改进能够使其得以挽救，并同时防止更多的“使用 Inkscape”回复出现在这里。 - TylerH

Answer 1

Inkscape也可以用来将PDF转换为SVG。它在这方面表现得非常出色，尽管它生成的代码有点臃肿，但至少它似乎没有你在程序中遇到的特定问题。我认为直接将其集成到Java中可能会很具有挑战性，但是Inkscape提供了一个方便的命令行界面来完成此功能，因此最简单的访问方式可能是通过系统调用来实现。

要使用Inkscape的命令行界面将PDF转换为SVG，请使用：

inkscape -l out.svg in.pdf

然后你可以使用以下方式调用：

Runtime.getRuntime().exec("inkscape -l out.svg in.pdf")

http://download.oracle.com/javase/1.4.2/docs/api/java/lang/Runtime.html#exec%28java.lang.String%29

我认为exec()是同步的，只有在进程完成后才会返回（虽然我不100%确定），所以你应该能够在此之后直接读取"out.svg"。无论如何，通过谷歌搜索"java系统调用"将会得到更多关于如何正确执行此部分的信息。

- jbeard4

---

我不知道有什么方法可以做到这一点，并且inkscape的手册似乎并没有表明这个功能在命令行界面中是公开的。我想你的选择就是通过修改inkscape代码自己添加这个界面。或者，你可以做一些非常巧妙和创造性的事情，使用像ghostscript这样的程序将PDF拆分成多个单页文档，然后将每一页单独输入inkscape。 - jbeard4

那么最好的解决方案可能是将pdf文件拆分为每页一个文件。pdfjam和pdftk都可以做到这一点。 - hlovdal

@Koen的回答指向了pdf2svg，它可以处理多页：pdf2svg input.pdf output_page%d.svg all - alxndr

我知道这已经过时了，但是我也注意到在处理pdf文件时inkscape会出现膨胀（例如重复组），一旦你拥有了.svg文件，就有一个清理工具叫做scour 可能会有所帮助。 - Chris H

我使用了Inkscape的命令行方法，但是SVG中的字体看起来非常丑陋。有没有办法解决这个问题？ - remus

Answer 2

请看 pdf2svg（也可在GitHub上找到）：

使用方法：

pdf2svg <input.pdf> <output.svg> [<pdf page no. or "all" >]

当使用 all 选项时，需要给出一个包含 %d 的文件名（该标记将被替换为页码）。

pdf2svg input.pdf output_page%d.svg all

如果需要进行故障排除，请查看以下链接：http://www.calcmaster.net/personal_projects/pdf2svg/

- Koen.

---

我之前一直在使用pdf2svg，但我刚刚发现它的近似程度比inkscape要高得多。尤其是在呈现小圆圈时会失去细节（我正在处理数十万路径的pdf文件）。具体情况因人而异。 - Aidan Kane

另一方面，相较于Inkscape来说，pdf2svg在处理文本方面表现更佳；我用LaTeX输出文件时，在Inkscape输出的图像中没有看到文本。 - Mechanical snail

@Mechanicalsnail：我现在对这个有更多的经验了。你说得对，有时我发现inkscape转换中缺少一些东西，而pdf2svg就没问题。pdf2svg已更新，调用cairo中的不同函数进行渲染（解决了我之前描述的问题）。不幸的是，这样做的代价是在svg中没有文本-所有字形都被转换为路径。我修补了cairo和poppler以使文本再次正常工作，但我并不完全信任我的hack :) - Aidan Kane

Inkscape和dvisvgm都无法从LaTeX创建正确的SVG。pdf2svg可以。 - ivo Welch

Answer 3

pdftocairo可以用来将PDF转换为SVG。
它是poppler-utils的一部分，可以通过PyPI上的pip安装，也可以从git构建，或者通过您的操作系统包管理器安装^{（例如ubuntu/deb的名称相同）}。

例如，要将PDF的第二页转换为SVG，可以运行以下命令：

pdftocairo -svg -f 1 -l 1 input.pdf

- SuperNova

---

在我看来，最佳答案，最简单的解决方案。 - deeenes

您的命令将转换“第一页”，而不是“第二页”。 - s.ouchene

Answer 4

我在使用inkscape、pdf2svg或pdftocairo工具时遇到了问题，同时也不建议使用convert和mutool工具，尝试将一些来自USGS的地形图等大型复杂PDF转换为SVG。有时它们会崩溃，有时它们会产生巨大的文件。

唯一能够正确处理所有PDF的SVG转换工具是dvisvgm。使用它非常简单：

dvisvgm --pdf --output=file.svg file.pdf

它有各种额外的选项来处理元素的转换，以及用于优化。如果需要，它的生成文件可以通过 svgcleaner 进一步压缩而不会引起感知质量损失。

- MrDrMcCoy

---

要每页获得一个SVG文件：dvisvgm --pdf --page=1- file.pdf - adius

请注意，SVGCleaner代码库已于2021年10月存档。 - TylerH

Answer 5

在*nix环境中，您可以使用bash。

burst操作将PDF中的每个页面拆分为文件。to-svg.sh循环遍历这些单页PDF以生成相应的SVG文件。

pdftk 82page.pdf burst
sh to-svg.sh 

to-svg.sh的内容

#!/bin/bash
FILES=burst/*
for f in $FILES
do
  inkscape -l "$f.svg" "$f"
done

- Leblanc Meneses

Answer 6

Inkscape不再支持-l选项。它会显示“无法打开文件：/out.svg（不存在）”。该选项的长格式在man页面中为--export-plain-svg，可以使用但会显示弃用警告。我能够通过在Inkscape 1.1.2-3ubuntu4上使用-o选项来修复和更新命令：

inkscape in.pdf -o out.svg

- Daniel T

Answer 7

inkscape（{{link1：@jbeard4}}）对我来说生成的SVG文件中没有任何文本，但是我通过使用Ghostscript作为中介去转换成PostScript格式最终解决了这个问题。

for page in $(seq 1 `pdfinfo $1.pdf | awk '/^Pages:/ {print $2}'`)
do
    pdf2ps -dFirstPage=$page -dLastPage=$page -dNoOutputFonts $1.pdf $1_$page.ps
    inkscape -z -l $1_$page.svg $1_$page.ps
    rm $1_$page.ps
done

---

然而，这种方法有点麻烦，最方便使用的称号要给予pdf2svg(@Koen.)，因为它有一个all标志，所以你不需要循环。

然而，pdf2svg在CentOS 8上不可用，要安装它，你需要执行以下操作：

git clone https://github.com/dawbarton/pdf2svg.git && cd pdf2svg
#if you dont have development stuff specific to this project
sudo dnf config-manager --set-enabled powertools
sudo dnf install cairo-devel poppler-glib-devel
#git repo isn't quite ready to ./configure
touch README
autoreconf -f -i
./configure && make && sudo make install

它生成的SVG比上面的Ghostscript-Inkscape更美观，字体似乎更好地光栅化。

pdf2svg $1.pdf $1_%d.svg all

---

但是那个安装有点繁琐，即使你没有sudo权限也太多了。除此之外，pdf2svg不支持stdin/stdout，因此现成的pdftocairo (@SuperNova)在这些方面表现得非常好，以下是一个“高级”使用示例：

for page in $(seq 1 `pdfinfo $1.pdf | awk '/^Pages:/ {print $2}'`)
do
    pdftocairo -svg -f $page -l $page $1.pdf - | gzip -9 >$1_$page.svg.gz
done

这个工具生成的文件与 pdf2svg 的质量和大小（在压缩之前）相同，尽管它们不是二进制相同的（即使在视觉上，在两者的输出之间跳转时，一些字母像素会移动，但都看起来没有问题/瑕疵，就像 Inkscape 一样）。

- Hashbrown