将长 PDF 页面拆分为多个页面

Question

将一个很长的 pdf 页面拆分为单独页面的最佳方法是什么？在这种情况下，一页图像由最初的多个字母大小的页面组成，这些页面有一条黑线，每页应该被分割。需要明确的是，它是一个 PDF 文档，只有一个页面。单页是几百页的图像，所以是很长的图像。

https://filebin.net/h2wiqckndsugnr1o/sample_pdf_long3.pdf

图像中的页面大小不一致，因为在某些字母大小的页面上删除了空白，因此有些页面比其他页面长。

这解释了问题：https://dustinfreeman.org/blog/pdf-splitting/ 但是，他们没有解决分页符未正确对齐的解决方案。

是否有软件或解决方案以编程方式将单个图像提取到单个 pdf 文档的多个页面中？

Answer 1

我建议你使用这种方法

1. 从第一页的内容创建 XObject。
2. 创建一些较小的页面。
3. 使用负顶部偏移在每个页面上绘制 XObject。

XObject 的不同部分将在不同的页面上可见。文件大小不会增加太多，因为图像会被重复使用。

您需要计算每个页面的顶部偏移量和大小。当然，您可以手动执行此操作。或者您可以使用某种计算机视觉算法来查找水平黑线。您必须先提取图像。给定这些线的坐标数组，您将能够计算页面边界。