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。我知道它不适用于每个PDF文件。

我猜这样做的方法是获取文本边距，然后裁剪出边距。

PyPdf是首选。

iText根据此代码查找文字边距：

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并不太熟悉，但我知道Ghostscript能够为你做到这一点。以下是关于类似问题的其他答案的链接：

Convert PDF 2 sides per page to 1 side per page（SuperUser.com）
Freeware to split a pdf's pages down the middle?（SuperUser.com）
Cropping a PDF using Ghostscript 9.01（StackOverflow.com）

第三个答案可能就是让你说'我明白它不适用于每个PDF文件'的原因。它使用 pdfmark 命令尝试将/CropBox设置为PDF页面对象。

前三个答案的方法很可能在第三个答案失败时成功。此方法使用<</PageOffset [NNN MMM]>> setpagedevice的PostScript命令片段将PDF页面移位并放置在-gNNNNxMMMM参数（定义设备宽度和高度，以像素为单位）定义的（较小）媒体大小上。

如果您理解前两个答案背后的概念，您将能够轻松地调整其中使用的方法来裁剪PDF页面的所有4个边缘上的边距：

一个示例命令，用于在4个边缘的每个边上裁剪一个字母大小的PDF（8.5x11in == 612x792pt）半英寸（== 36pt）（命令适用于Windows）：

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

结果页面大小为7.5x10英寸（== 540x720pt）。要在Linux或Mac上执行相同操作，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'边距'

评论要求“自动”确定白边。你也可以使用Ghostscript。它的bbox设备可以确定每个页面上（虚拟）墨水所覆盖的区域（因此，间接地确定画布每个边缘的空白）。

这是命令：

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，以使结果更容易解析：

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......

... Page 1 内容矩形的左下角位于坐标[57 29]，右上角位于[562 741]
... Page 2 内容矩形的左下角位于坐标[57 28]处，右上角位于[561 667]

这意味着：

第1页在左边缘使用了57pt的空格（72pt == 1in == 25,4mm）。
第1页在底部边缘使用了29pt的空格。
第2页在左边缘使用57pt的空格。
第2页在底部边缘使用了28pt的空格。

正如您已经从这个简单示例中看到的那样，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的每一页都有相同的大小，不是吗？），您必须计算出文档所有页面中每条边的最小边距。

现在右边和上边缘的空白怎么样？要计算，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的示例命令：

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页面的顶部和右侧边缘所需的（最大）白色边距。

当然，这些计算都可以编写脚本。

但是如果您的PDF文件都是uniq页面大小，或者它们是1页文档，那么这一切都更容易完成......

Answer 2

试试pdfcrop。它需要ghostscript。

PDF - 删除白边

2 个答案: