Bash PDF 合并遗漏文件

Question

我正在尝试将许多 PDF 文件合并为 3000 个左右的文件块。经过多次尝试，这个脚本似乎成功了。 （当然我错了）

#!/bin/bash

basepath='/home/lemonidas/pdfstuff';
datename=`date "+%Y%m%d%H%M.%S"`;
start=`date "+%s"`;
echo "parsing pdf list to file..."
find $basepath/input/ -name "*.pdf" | xargs -I {} ls {} >> $basepath/tmp/biglist$datename.txt

split -l 3000 $basepath/tmp/biglist$datename.txt $basepath/tmp/splitfile
rm $basepath/tmp/biglist$datename.txt
echo "deleting big file..."
echo "done splitting!"

declare -i x 
x=1

for f in $basepath/tmp/splitfile*
do
linenum=`cat $f | wc -l`;
echo "Processing $f ($linenum lines)..."

# merge to one big PDF
cat $f | xargs  gs -q -sstdout=$basepath/error.log -sPAPERSIZE=letter -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=$basepath/output/$x.big.pdf  2>$basepath/error.log
echo "Completed PDF $x"
 (( x++ ))

# delete the list file
rm $f
echo "Deleted processed file $f"
done
end=`date "+%s"`;
echo "Started: $start"
echo "Finished: $end"

问题是，我有 22000 个 2 页 PDF，每个输出文件（除了最后一个）应该是 6000 页（因为我们在每个合并列表中有 3000 个 PDF，在解析之前由“wc -l”验证)，而我只得到大约 658 页左右。

除此之外 gs 没有报告任何错误：

警告：对于 Platform=1 Encoding=0，嵌入式符号 TT 字体必须包含 cmap。
警告：对于 Platform=1 Encoding=0，嵌入式符号 TT 字体必须包含 cmap。
警告：对于 Platform=1 Encoding=0，嵌入式符号 TT 字体必须包含Platform=1 Encoding=0 的 cmap。
警告：嵌入式符号 TT 字体必须包含 Platform=1 Encoding=0 的 cmap。
警告：嵌入式符号 TT 字体必须包含 Platform=1 Encoding= 的 cmap 0.
警告：对于 Platform=1 Encoding=0，嵌入式符号 TT 字体必须包含 cmap。
警告：对于 Platform=1 Encoding=0，嵌入式符号 TT 字体必须包含 cmap。
警告：嵌入式符号 TT 字体必须包含用于 Platform=1 Encoding=0 的 cmap。
此文件包含已修复或忽略的错误。
文件制作者：>>>> Powered By Crystal 请通知生成此文件的软件的作者它不符合 Adob​​e 发布的 PDF 规范。

一遍又一遍（但不是 22000 次）

当我尝试使用 300-400 个文件时，它运行平稳，但当我尝试完全运行时，2.5 小时后，我得到的文件合并不到一半。

我的下一个想法是将每个 2 页 PDF 转换为 .pgm 文件，但我不知道如何将它们重新制作为 PDF（这样就不会出现字体嵌入问题）。 我错过了什么吗？ （大概）

Answer 1

使用更适合该任务的工具可能会更好。 pdfwrite（用于发出 PDF 文件的 Ghostscript 设备）在我看来不是合适的工具。

为了“合并”PDF 文件，Ghostscript 将输入完全解释为标记操作，然后将标记操作重写为 PDF 文件。在创建操作列表时，需要保存大量信息（字体、图像、其他内容）并与新输入进行比较，以查看我们是否已经有了副本。随着输入变大，扫描该列表需要更长的时间，当然内存消耗也会增加。你可能会发现 Ghostscript 已经在交换内存了。

现在我不确定这是您的实际问题，或者您是否说“合并”文件后缺少页面。那不应该发生。你也没有说你使用的是什么版本的 Ghostscript。

尽管如此，我认为像 pdftk 这样的工具在进行这种合并时会更快，尽管最终的 PDF 文件可能比 pdfwrite 更大/效率更低。