如何使用 Ghostscript 为旧版 Kindle 预处理 pdf？

Question

我有一台旧的 Kindle Dx。由于残疾，我无法使用平板电脑或其他触控设备，我将 pdf 文件传输到 Kindle 阅读。它需要预处理。

在不光栅化的情况下预处理 pdf 有什么好的选择？

[当光栅化可以接受时：

• k2pdfopt - 用于地图或小文本的模式复制。这会光栅化、增强对比度，并使所有内容都与 1.4 兼容。

• k2pdfopt -mode copy -dev dx 用于其他作品。这将光栅化为 800x1080，根据需要进行下采样，增强对比度，同时使所有内容变为灰度，并使所有内容与 1.4 兼容。

当光栅化文本不可接受时：

• gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -sstdout=%sstderr -dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdf 如果您想保留图形。只需进行少量更改即可使所有内容与 1.4 兼容。

• gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 \ -g800x1080 -r150 -dPDFFitPage \ -dFastWebView -sColorConversionStrategy=RGB \ -dDownsampleColorImages=true -dDownsampleGrayImages=true -dDownsampleMonoImages=true -dColorImageResolution=150 -dGrayImageResolution=150 -dMonoImageResolution=300 -dColorImageDownsampleThreshold=1.0 -dGrayImageDownsampleThreshold=1.0 -dMonoImageDownsampleThreshold=1.0 \ -sstdout=%sstderr -dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdf 如果你想要适度的下采样。这会重新光栅化现有的光栅图像以适应 800x1080 并使所有内容与 1.4 兼容。

• gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 \ -g800x1080 -r150 -dPDFFitPage \ -dFastWebView -sColorConversionStrategy=灰色\ -dDownsampleColorImages=true -dDownsampleGrayImages=true -dDownsampleMonoImages=true -dColorImageResolution=75 -dGrayImageResolution=75 -dMonoImageResolution=150 -dColorImageDownsampleThreshold=1.0 -dGrayImageDownsampleThreshold=1.0 -dMonoImageDownsampleThreshold=1.0 \ -sstdout=%sstderr -dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdf 如果您想要更积极的下采样。这将重新光栅化光栅图像以适应 400x540，使它们成为灰度，并使所有内容与 1.4 兼容。图像质量低，但通常仍可识别。

• gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dFILTERIMAGE -dFILTERVECTOR -sstdout=%sstderr -dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdf 如果您想剪切所有图形。

如果使用这些选项中的任何一个对另一台设备进行预处理，请检查其屏幕大小（以像素为单位）。不要太担心每英寸的像素数。]

[I.S.我的目标是修复 pdf，以便它们 1. 不要让我的 Kindle 崩溃，2. 不要冻结我的 Kindle 或加载每个页面的时间过长，以及 3. 不要占用太多有限的磁盘空间我的 Kindle。最好还 4. 不光栅化文本， 5. 不剪切所有图像，这有时会丢失表格等。 6. 不重排文本，这通常会丢失表格。但我很乐意对大多数图像进行下采样。]

[I.S.请注意，我保留了原件的副本。这不是节省磁盘空间的方法！]

对于扫描的 pdf，Willus 的 k2pdfopt 是一个不错的选择。我已经为

设置了 Mac Automator

k2opt -mode 复制 -dev dx

或者偶尔只是 -mode 复制。

对于 pdf-born-pdfs，我宁愿不栅格化所有内容。

gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -sstdout=%stderr -dNOPAUSE -dQUIET -dBATCH

通常可以转换文件，因此 Kindle Dx 可以打开它们，但 Kindle 仍然会变慢、卡住或出现某些页面崩溃。

一种选择是将 Ghostscript 和 Mutool 组合如下：

1. gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -sstdout=%stderr -dNOPAUSE -dQUIET -dBATCH 预处理 pdf 以删除密码，
2. mutool clean -g -g -d -s -l 清理垃圾，然后
3. gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -sstdout=%stderr -dNOPAUSE -dQUIET -dBATCH 再次获得更小和更快的 pdf。

注意：我认为 Mutool 的第 3 个 -g 相当于 Ghostscript 的 -dDetectDuplicateImages。由于它会减慢渲染速度，因此相反可能会更好。我不确定如何将其设置为 false。 -dDetectDuplicateImages 假？ -uDetectDuplicateImages？

注意：我使用 gtime 来计时 pdf 渲染。

单个应用程序中的单步工具会有所帮助。减少图像也会有所帮助。 Ghostscript 的文档很难理解。

1. 对于清理，作为运行 mutool 的替代方法：

-dFastWebView 可能会有所帮助。

-dNOGC 表示 Ghostscript 默认进行垃圾回收。

1. 图像缩小：

-dPDFSETTINGS=/screen 在 9.50 中似乎比 9.23 更好。 /ebook 可能会更好，因为它嵌入了所有字体。

-dFILTERIMAGE -dFILTERVECTOR 在 9.50 中也比 9.23 工作得更好，但比我想要的更激烈。

很多设置似乎都依赖于输入分辨率和/或输入页面大小。

-r 似乎依赖于输入页面大小，而不是输出页面大小。 Kindle Dx 为 800 x 1180 像素。

-dDownScaleFactor 相对于输入分辨率减小。

-g800x1080 似乎是裁剪页面，而不是缩小它们。

我认为 -sDEVICE=pdfimage8 会栅格化所有内容，例如 k2pdfopt。

在某些情况下

gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dFastWebView -uDetectDuplicateImages -dPDFSETTINGS=/ebook -sstdout=%sstderr -dNOPAUSE -dQUIET -dBATCH 产生比仅 -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -sstdout=%sstderr -dNOPAUSE -dQUIET -分贝

...我不确定如何处理这些结果。

Answer 1

您在这里问了很多问题，这使得阅读和中肯地回答变得相当困难。您还没有真正明确说明您想要实现什么（您也没有说明您使用的是什么版本的 GS 和 MuPDF）。

这里有几点；

您不需要从 Ghostscript 生成的 PDF 文件中“清除垃圾”，这些文件很少有可以删除的内容，这就是人们通过 GS+pdfwrite 运行 PDF 文件的原因之一（尽管我一直说它不好想法）。

将 -g 开关与 Mutool 一起使用两次不会（AFAIK）做任何额外的事情，但添加 -d 会解压缩文件。您也可以让 Ghostscript 生成未压缩的 PDF 文件，使用 -dCompressPages=false -dCompressFonts=false -dCompressStreams=false。

当您通过 pdfwrite、MuPDF 和 pdfwrite 传递您的 PDF 时，您在每一步都冒着质量下降的风险，而中间的 MUPDF 步骤不太可能实现任何目标。您所做的很可能是降低任何 JPEG 压缩图像的压缩率（和质量），我怀疑还有其他用途。

我想不出你为什么不想检测重复的图像，它实际上只是让文件变大，但如果你想像使用所有其他 GS 开关一样使用开关； -dDetectDuplicateImages=false。请注意，这不会改变处理速度（通常 pdfwrite 不进行渲染，但也许您的意思是在目标设备上......），通过在读取每个图像时对每个图像应用 MD5 过滤器来完成检测，然后比较 MD5 哈希值。关闭它并不会停止 MD5，它只会停止比较。

如果您发现 Ghostscript 的文档难以理解，那么请使用 Adob​​e 的 distillerparams 文档，这就是大多数 pdfwrite 设置的来源（即责怪 Adob​​e ;-)

-dFastWebView （IMO）完全没有意义，它纯粹是为了与 Adob​​e 兼容，因为很多人不会接受它的无用并坚持它。它所做的只是加速加载 PDF 文件的第一页，由支持它的 PDF 消费者（实际上没有）。为此，它会使文件变得更大更复杂。

不使用-dNOGC，我一直告诉人们不要这样做，它是一个调试工具，除了可能制作Ghostscript之外，它在生产中没有实际价值使用更多内存。你听到的其他一切都是货物崇拜。

-r 与媒体 szie 完全无关，并且（或多或少）与 pdfwrite 无关。它在渲染时设置页面的分辨率。由于您不想渲染到图像，因此设置分辨率并不是一件有用的事情。

没有 pdfwrite 设置依赖于“输入分辨率”，因为 PDF（和 PostScript）文件没有分辨率，它们是矢量页面描述。

-dDownscaleFactor 是一个仅适用于降频设备的开关； tiffscaled 和朋友，都是渲染设备，对 pdfwrite 完全没有影响。

设置固定媒体大小（使用-g）确实依赖于分辨率（因为它在设备像素中指定）并且确实只改变媒体大小，而不是内容。如果要重新调整内容以适应新媒体，则需要使用 -dFitPage。我真的不明白你为什么要那样做。请注意，它不会影响 PDF 文件的内容（除非它是渲染图像），它只会使所有数字值变小。

pdfimage 设备确实会生成一个 PDF 文件，其中整个内容都是图像；因此得名....

现在，如果你能定义你真正想要达到的目标，我可以提出一些建议.....

[编辑] 图像下采样

首先，有三个控件可以完全打开/关闭此功能；

-dDownsampleMonoImages、-dDownsampleGrayImages 和 -dDownsampleColorImages。假设您没有选择 PDFSETTINGS（我建议您不要），这些最初都是错误的。如果您想对任何图像进行下采样，您需要将相关的单色/灰色/彩色开关设置为 true。

启用下采样后，您需要设置相关的 ImageResolution 和 DownsamplingThreshold，每个颜色深度都有开关。

现在虽然PDF文件没有分辨率，但图像有一个有效的分辨率，但它不容易计算（实际上不费力气是不可能的）。它是位图中每个方向的图像样本数，除以图像覆盖的媒体面积。

例如，如果我有一个 100x100 样本的图像，并将其放置在 1 平方英寸的页面上，则图像的分辨率为 100 dpi。如果我然后将图像放大，使其覆盖 2 平方英寸（但不要更改图像数据），那么它的 dpi 为 50。

因此，您需要确定在您的设备上看起来合适的分辨率。然后设置 -dColorImageResolution=、-dMonoImageResolution、-dGrayImageResolution。

这就是“目标”分辨率。但是，如果图像已经接近该图像，则处理它可能会造成浪费，因此请参考下采样阈值。输入中图像的实际分辨率必须是目标分辨率乘以阈值，或者更多，才能降低输出。

例如，如果我们考虑 300 的目标分辨率和 1.5 的阈值，则输入文件中图像的实际分辨率必须超过 450 dpi 才能考虑进行下采样。

显然您可以将阈值设置为 1.0，例如 -dColorImageDownsampleThreshold=1.0

最后是下采样类型，这是用于从较高分辨率图像创建较低分辨率图像的过滤器。最简单的是/Subsample；基本上扔掉足够多的行和列，直到我们达到所需的分辨率（这是仅可用于单色图像的过滤器，因为所有其他过滤器都会改变颜色深度）。然后是 /Average ，它平均每个方向的值，实际上是一个双线性滤波器。最后是 /Bicubic，它可能做得“最好”，但处理速度最慢。

除此之外，您还可以选择用于写入图像数据的图像过滤器（压缩过滤器）。我们不支持 AGPL 版本的 Ghostscript 和 pdfwrite 中的 JPXEncode。剩下的就是 /CCITTFaxEncode（单色）DCTEncode (JPEG) 和 FlateEncode（基本上是 Zip 压缩）。即 MonImageFilter、GrayImageFilter 和 ColorImageFilter。

如果您想使用这些，您必须首先将 AutoFilterGrayImages 设置为 false 和/或 AutoFilterColorImages 设置为 false，因为如果这些为 true，pdfwrite 设备将通过查看哪个压缩最多来选择一种压缩方法。对于灰色和彩色图像，这几乎肯定是 JPEG。

最后一点是无法选择性地渲染线条（矢量数据）；要么一切都被渲染，要么一切都保持“原样”。 pdfwrite 呈现内容的唯一时间（通常）是存在 transaprecny 并且输出 CompatibilityLevel 不支持透明度（1.3 或更低）时。也有例外，但很少见。

您可能需要考虑将 ColorConversionStrategy 设置为 /DeviceRGB 或 /DeviceGray。我不知道您使用的是彩色设备还是灰度设备，但如果它们是灰度设备，则创建灰色 PDF 文件会显着减小大小和处理。如果输入是 CMYK，为彩色设备创建 RGB 文件可能也很有意义。