提取不同版本的 PDF

Question

背景

根据pdf standard，一个更新的文件可以包含不同的版本。如果你看一下 7.5.6 中的图 3，你会看到有一个原始正文 + 元数据（预告片，交叉引用部分）和多个更新。

问题

是否有任何库可以提取这些修订？ poppler 有可能吗（我在大部分工作中都使用 poppler）？

提供修订数量并允许提取它们的 Api 会很好。 如果我正确理解标准，这只是剪切更新部分并在文件末尾添加更新的startxref 的问题。

注意

虽然这似乎很容易让我自己实现，但我更愿意在自己编写之前重用现有的东西。

@CloseVotes：虽然我可以将这个问题表述为How to extract PDF revisions with Poppler，但我想保持它的广泛性，因为我更喜欢使用额外的库而不是破解我自己的库。

Answer 1

您所说的 PDF 功能的技术术语是'增量更新'。现在你能发现，如果一个 PDF 文档是增量更新的，因此包含不同的文档版本吗？

使用命令行工具，pdfresurrect

有一个命令行工具，pdfresurrect，可以做你想做的事。 首先，它可以列出PDF文档中包含的不同版本的数量。示例：

kp@mbp:> pdfresurrect -q incrupd.pdf
 incrupd.pdf: 2

其次，它可以揭示更多关于版本之间变化的细节：

kp@mbp:> pdfresurrect incrupd.pdf incrupd.pdf: --A-- Version 1 -- Object 0 (Stream) incrupd.pdf: --A-- Version 1 -- Object 1 (Catalog) incrupd.pdf: --A-- Version 1 -- Object 2 (Unknown) incrupd.pdf: --A-- Version 1 -- Object 3 (Pages) incrupd.pdf: --A-- Version 1 -- Object 4 (Page) incrupd.pdf: --A-- Version 1 -- Object 5 (Stream) incrupd.pdf: --A-- Version 1 -- Object 6 (ExtGState) incrupd.pdf: --A-- Version 1 -- Object 7 (Font) incrupd.pdf: --A-- Version 1 -- Object 8 (Unknown) incrupd.pdf: --A-- Version 1 -- Object 9 (Unknown) incrupd.pdf: --D-- Version 2 -- Object 0 (Stream) incrupd.pdf: --M-- Version 2 -- Object 5 (Stream) ---------- incrupd.pdf ---------- Versions: 2 Version 1 -- 10 objects Version 2 -- 2 objects

第三，它可以将所有版本写入磁盘（在当前创建一个子目录），因此您可以逐个检查它们：

kp@mbp:> pdfresurrect -w incrupd.pdf

kp@mbp:> ls -ltr incrupd-versions/ total 24 -rw-r--r-- 1 kurtpfeifle staff 695 Dec 3 10:44 incrupd-versions.summary -rw-r--r-- 1 kurtpfeifle staff 3713 Dec 3 10:44 incrupd-version-2.pdf -rw-r--r-- 1 kurtpfeifle staff 3857 Dec 3 10:44 incrupd-version-1.pdf

第四，它可以从PDF文档中清除以前的版本，只保留最新的：

kp@mbp:> pdfresurrect -s incrupd.pdf

kp@mbp:> ls -l incrupd*.pdf
 -rw-r--r--@ 1 kurtpfeifle  staff  3491 Dec  3 10:43 incrupd.pdf
 -rw-r--r--  1 kurtpfeifle  staff  3201 Dec  3 10:49 incrupd-scrubbed.pdf

使用文本编辑器

如果您知道如何处理（部分）二进制文件的文本编辑器，您也可以这样操作：

1. 备份您的 PDF。
2. 在编辑器中打开备份的 PDF。
3. 转到文件末尾。
4. 搜索最后一次出现的%%EOF。 （在表现良好的 PDF 中，这应该在最后，后面没有任何垃圾。）
5. 搜索最后一次出现的%%EOF。
   • 删除最后一个 %%EOF 之后直到文件末尾的所有内容。
   • 以新名称保存文件（最好包含-version2.pdf）。

恭喜 - 您刚刚恢复了 PDF 文档的先前版本。 :-)

继续上述过程以恢复更旧的版本...