裁剪 PDF 内容

Question

我有一个 pdf，我想强加。它有 8.5x11" 页面、媒体框和裁剪框。我希望 pdf 通过合并相邻页面来具有 17x11" 页面。不幸的是，大多数页面的内容要么完全在裁剪框之外，要么跨越裁剪框。因为每个页面只能有一个流和裁剪框，所以在施加时，重叠的内容变得可见。这很糟糕。

我不想光栅化我的 pdf，因为这会提前修复 DPI。所以我不会考虑将页面导出为图像，附加图像（imagemagick），然后将这些配对图像嵌入到新的 pdf 中。

我在 postscript 中也遇到了问题 - 在 pdf->ps->pdf 转换期间出现透明度、字体光栅化和其他视觉故障的问题。

答案应该是可编写脚本的。

到目前为止我已经尝试过：

• podofo 拼版脚本 (lua)
• PyPDF2 (python)
• 鬼脚本
• 乳胶

问题“Ghostscript removes content outside the crop box?”暗示ghostscript的pdfwrite模块，在生成输出pdf文件时，会根据crop box对内容进行光栅化和裁剪。所以我只需要通过 ghostscript 的 pdfwrite 模块来传输我的 pdf 文件。不幸的是，这不起作用。

当我尝试通过 evince 将 pdf 打印到另一个 pdf 时，我正要放弃。它工作得很好——裁剪框内的文本和矢量元素没有被光栅化，裁剪框外的元素被删除（我还没有测试过跨元素）。质量是高分辨率（页面大小）和外观是相同的。事实上，除了元数据，一切似乎都一样。

所以：

• 这个问题是可能的
• 答案已经存在

如何访问它？

我认为此功能可能由 cup 的 pdftopdf 二进制文件提供。我调用外部二进制文件没有任何问题......但不知道如何使用pdftopdf。

编辑： Link to test pdf。它包含光栅、矢量和文本项目——一些被部分透明的项目部分遮挡——它们跨越并邻接相邻的页面。再一次，通过杯子打印此 PDF 似乎会裁剪裁剪框外的所有内容。但是，在 inkscape 中打开过滤后的 pdf 会显示页外项目被单独屏蔽，而不是裁剪 - 除了被修剪的文本。

Answer 1

诀窍是使用 Form XObjects 将多个页面强加在单个页面中。表单 XObjects 可以引用整个 PDF 页面，并维护独立的剪辑。 PyPDF2 不支持 Form XObjects，因此合并会统一所有输入页面的流，以便它们共享输出页面的剪辑/媒体框。我已经成功地使用了 pdflatex 和 pdfrw (python) - 测试程序在下面内联。由于表单 XObjects 源自类似的 postscript 2 级功能，正如KenS 所建议的那样，应该可以使用“页面剪辑”在 ghostscript 中实现相同的目标。事实上he shared a ghostscript 2x1 imposition script in another answer，但它看起来非常复杂。结合poppler的pdftops的字体光栅化问题（即使兼容级别> 1.4），我已经放弃了ghostscript的方法。

派生自How to stitch two PDF pages together as one big page? 的Latex 脚本。需要pdflatex：

\documentclass{article}
\usepackage{pdfpages}
\usepackage[paperwidth=8.5in, paperheight=11in]{geometry}
\usepackage[multidot]{grffile}
\pagestyle{plain}

\begin{document}
    \setlength\voffset{+0.0in}
    \setlength\hoffset{+0.0in}

    \includepdf[ noautoscale=true
               , frame=false
               , pages={1}
               ]
               {<file.pdf>}

    \eject \paperwidth=17in \pdfpagewidth=17in \paperheight=11in \pdfpageheight=11in 

    \includepdf[ nup=2x1
               , noautoscale=true
               , frame=false
               , pages={2-,}
               ]
               {<file.pdf>}
\end{document}

pdfrw（python 脚本）派生自pdfrw:examples:booklet。需要 pdfrw >= 0.2：

#!/usr/bin/env python3

# Copyright:
#   Yclept Nemo
#       2016
# License:
#   GPLv3

import itertools
import argparse
import pdfrw

# from itertool recipes in the python documentation
def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return itertools.zip_longest(*args, fillvalue=fillvalue)

def pagemerge(page, *pages):
    merged = pdfrw.PageMerge() + page
    for page in reversed(list(itertools.takewhile(lambda i: i is not None, reversed(pages)))):
        merged = merged + page
        merged[-1].x = merged[-2].x + merged[-2].w
    return merged.render()

parser = argparse.ArgumentParser(description='Impose PDF files using Form XOBjects')

parser.add_argument\
    ( "source"
    , help="PDF, source path"
    , type=pdfrw.PdfReader
    )
parser.add_argument\
    ( "-s", "--spacer"
    , help="PDF, spacer path"
    , type=lambda fp: next(iter(pdfrw.PdfReader(fp).pages), None)
    )
parser.add_argument\
    ( "target"
    , help="PDF, target path"
    )

args = parser.parse_args()

pages = args.source.pages[:1]

for pair in grouper(args.source.pages[1:], 2):
    assert pair[0] is not None
    pages.append(pagemerge(pair[0], args.spacer, pair[1]))

# include metadata in target
target = pdfrw.PdfWriter()
target.addpages(pages)
target.trailer.Info = args.source.Info
target.write(args.target)

pdfrw 0.2 的一些特性：

• 请注意，操作+=、append 和extend 没有为pdfrw.PageMerge 定义，即使它的行为类似于列表。此外，+ 的作用类似于 +=，因为它修改了左侧对象。

Answer 2

Ghostscript 和 pdfwrite 设备通常不会光栅化输入 PDF 文件的内容（需要注意的是涉及透明输入且输出为

被完全剪掉的对象不会保存到输出中。

所以简短的回答是，使用 Ghostscript 和 pdfwrite 设备这应该是完全可行的，其优点是可以在单个操作中强加页面。我确实有一个关于在类似情况下（反向拼版）剪辑的未决错误报告，但还没有时间解决它。

请注意，Ghostscript 通常使用 MediaBox 作为剪辑区域，如果要使用 CropBox，则需要在命令行中添加 -dUseCropBox。