搜索PDF中没有文本的页面

Question

您将如何继续在pdf文件中搜索“空”页面？ 在下一步中，我想使用ghostscript将这些页面转换为.tiff。如果可以在unix机器上使用一个命令执行所有操作，那将是完美的。

Answer 1

嗯，这在很大程度上取决于你的'text'（来自你的主题行）或'empty'页面（来自你的正文）的含义。它完全有可能具有再现文本形状的矢量路径，或者实际上再现字符形状的图像。

你认为这些是'文字'吗？

或者您正在寻找根本没有内容的页面（即空白）？我无法想象你为什么要把它们渲染成TIFF .....

对于没有文本的页面（即不使用任何PDF文本操作符），我会在Ghostscript中使用文本提取设备。从该设备输出为空的任何页面上都没有文本。

然后，您可以在PDF文件上运行Ghostscript并使用-sPageList开关来处理您想要的页面，并选择其中一个TIFF设备以获得TIFF输出。

你不能一次性使用（使用未经过修改的Ghostscript），因为你需要文本提取设备来确定哪些页面有文本，然后是TIFF设备来编写页面。

你可以编写一个输出到TIFF的新设备，如果设备的text_begin（）方法被调用，它只是跳过写页面。这样做可以一次完成，但这意味着要编写一个新设备（其中99％是tiff设备的复制+粘贴）并重建Ghostscript。你当然也必须AGPL你的代码。