我想知道是否有人有任何以编程方式处理 .pdf 文件的经验。我有一个 .pdf 文件，我需要将每一页裁剪成一定大小。
在谷歌快速搜索后，我找到了 python 的 pyPdf 库，但我的实验失败了。当我更改页面对象上的cropBox 和 trimBox 属性时，结果不是我所期望的，而且看起来很随机。
有人有这方面的经验吗？代码示例将不胜感激，最好是在 python 中。
【问题讨论】：
您可能正在寻找免费的解决方案，但如果您有钱可以花钱，PDFlib 是一个很棒的图书馆。它从来没有让我失望过。
【讨论】：
您可以将 PDF 转换为 Postscript（pstopdf 或 ps2pdf），然后对 Postscript 文件进行文本处理。之后，您可以将输出转换回 PDF。
如果您要处理的 PDF 都由同一个应用程序生成并且有些相似，这将非常有效。如果它们来自不同的来源，通常很难处理 Postscript 文件 - 结构变化很大。但是，即使您可以使用一些正则表达式来修复页面大小等。
【讨论】：
Acrobat Javascript API 有一个 setPageBoxes 方法，但 Adobe 不提供任何 Python 代码示例。仅限 C++、C# 和 VB。
【讨论】：
pyPdf 在这方面符合我的期望。使用以下脚本：
#!/usr/bin/python
#
from pyPdf import PdfFileWriter, PdfFileReader
with open("in.pdf", "rb") as in_f:
input1 = PdfFileReader(in_f)
output = PdfFileWriter()
numPages = input1.getNumPages()
print "document has %s pages." % numPages
for i in range(numPages):
page = input1.getPage(i)
print page.mediaBox.getUpperRight_x(), page.mediaBox.getUpperRight_y()
page.trimBox.lowerLeft = (25, 25)
page.trimBox.upperRight = (225, 225)
page.cropBox.lowerLeft = (50, 50)
page.cropBox.upperRight = (200, 200)
output.addPage(page)
with open("out.pdf", "wb") as out_f:
output.write(out_f)
生成的文档有一个 200x200 点的裁切框，从媒体框内的 25,25 点开始。 裁剪框在裁切框内 25 磅。
以下是我的示例文档在使用上述代码处理后在 acrobat Professional 中的外观：
此文档在 acrobat reader 中加载时将显示为空白。
【讨论】：
page.mediaBox 似乎没有帮助。关于如何实际将 PDF 缩减为 trimBox 大小的任何建议？谢谢。
ghostscript 轻松做到了。
PdfFileReader 的输入文件在PdfFileWriter 上调用write() 之前；这些页面似乎没有缓存到内存中，而是根据需要从磁盘读取（这很聪明），因此如果您在写入输出文件之前关闭输入文件，它将找不到内容 - 而不是报告一个错误，它会默默地创建空白页面（这似乎不太聪明）。
gs -q -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=destructive_crop.pdf resize_crop.pdf
用这个来获取pdf的维度
from PyPDF2 import PdfFileWriter,PdfFileReader,PdfFileMerger
pdf_file = PdfFileReader(open("/Users/user.name/Downloads/sample.pdf","rb"))
page = pdf_file.getPage(0)
print(page.cropBox.getLowerLeft())
print(page.cropBox.getLowerRight())
print(page.cropBox.getUpperLeft())
print(page.cropBox.getUpperRight())
在此之后获取页面参考，然后应用裁剪命令
page.mediaBox.lowerRight = (lower_right_new_x_coordinate, lower_right_new_y_coordinate)
page.mediaBox.lowerLeft = (lower_left_new_x_coordinate, lower_left_new_y_coordinate)
page.mediaBox.upperRight = (upper_right_new_x_coordinate, upper_right_new_y_coordinate)
page.mediaBox.upperLeft = (upper_left_new_x_coordinate, upper_left_new_y_coordinate)
#for example :- my custom coordinates
#page.mediaBox.lowerRight = (611, 500)
#page.mediaBox.lowerLeft = (0, 500)
#page.mediaBox.upperRight = (611, 700)
#page.mediaBox.upperLeft = (0, 700)
【讨论】：
感谢以上所有回答。
步骤 1. 运行以下代码得到 (x1, y1)。
from PyPDF2 import PdfFileWriter, PdfFileReader
input = PdfFileReader(open("test.pdf","rb"))
page = input.getPage(0)
print(page.cropBox.getUpperRight())
第 2 步。以全屏模式查看 pdf 文件。
步骤 3. 将屏幕捕获为图像文件 screen.jpg。
步骤 4. 通过 M$ paint 或 GIMP 打开 screen.jpg。这些应用程序显示光标的坐标。
步骤 5. 记住以下坐标，(x2, y2), (x3, y3), (x4, y4) 和 (x5, y5)，其中 (x4, y4) 和 (x5, y5) 确定矩形你想裁剪。
Step 6. 通过以下公式获取 page.cropBox.upperLeft 和 page.cropBox.lowerRight。这是一个tool 用于计算。
page.cropBox.upperLeft = (x1*(x4-x2)/(x3-x2),(1-y4/y3)*y1)
page.cropBox.lowerRight = (x1*(x5-x2)/(x3-x2),(1-y5/y3)*y1)
第 7 步。运行以下代码以裁剪 pdf 文件。
from PyPDF2 import PdfFileWriter, PdfFileReader
output = PdfFileWriter()
input = PdfFileReader(open('test.pdf', 'rb'))
n = input.getNumPages()
for i in range(n):
page = input.getPage(i)
page.cropBox.upperLeft = (100,200)
page.cropBox.lowerRight = (300,400)
output.addPage(page)
outputStream = open('result.pdf','wb')
output.write(outputStream)
outputStream.close()
【讨论】：
from PIL import Image
def ImageCrop():
img = Image.open("page_1.jpg")
left = 90
top = 580
right = 1600
bottom = 2000
img_res = img.crop((left, top, right, bottom))
with open(outfile4, 'w') as f:
img_res.save(outfile4,'JPEG')
ImageCrop()
【讨论】：