Question

是否有可靠的方法使用perl脚本检测空白页？我尝试使用getPageText方法执行以下脚本。如果我这样做，只包含没有文本的图形的页面也被识别为空白页面。

#!/usr/bin/perl -w

use CAM::PDF;
my $filename=$ARGV[0];
my $doc = CAM::PDF->new($filename) || die "$CAM::PDF::errstr\n";
my $pages = $doc->numPages();
print $pages;

$content=$doc->getPageText(1);
print "length".length($content);
if(length($content)==0)
{
  print "File is empty";
}

foreach my $p ( 1 .. $doc->numPages() ) {
    my $str = $doc->getPageText($p);
    $str =~ m/[[:alnum:]]+/ms );  # actually returned text
    print "Result text:".qq($str);
 }

是否有其他方法可以找到空白页？

Answer 1

抱歉，无法可靠地检测空白页面。

但是，我过去做过这个：

我使用pdftk将pdf破解成一页pdf文档。如果其中一个pdf大小非常低，则不包含图像。如果pdftotext返回空字符串，则它不包含文本。使用pdftk将所有优秀的pdf组合成一个。

我希望它会对你有所帮助。

Answer 2

如果使用getPageContentTree方法而不是getPageText，则可以获取包含页面上所有对象的内容流，包括图像。检查“content”哈希键的值的长度，如果等于0，则表示您有一个真正的空白页。

use CAM::PDF;
my $filename="testBook.pdf";
my $doc = CAM::PDF->new($filename) || die "$CAM::PDF::errstr\n";
my $pages = $doc->numPages();

my $i = 1;

while ($i <= $pages) {
    my $contentTree = $doc->getPageContentTree($i);

    my $content = $contentTree->{"content"};
    my $length = length($content);

    if ($length == 0) {
        print "page $i is blank!" ## delete it, log it to a list of blanks, etc.
    }
    $i++;
}

使用perl检测并删除PDF文件中的空白页

2 个答案: