如何获取 EPS 文件中元素的边界框答案

【问题标题】：How to get bounding boxes of elements in EPS files如何获取 EPS 文件中元素的边界框
【发布时间】：2018-03-20 11:46:29
【问题描述】：

我需要检查 EPS/PDF 文件是否包含任何矢量元素

首先，我将 PDF 转换为 EPS，然后像这样从文件中删除所有文本元素和图像

pdftocairo -f $page_number -l $page_number -eps $input - | sed '/BT/,/ET/ d' | sed '/^8 dict dup begin$/,/^Q$/ c Q' > $output

但是我怎样才能检查是否有任何元素写入画布？

【问题讨论】：

【解决方案1】：

“向量元素”到底是什么意思？除了实际的位图图像之外的任何东西？你为什么在乎？如果您解释了您想要实现的目标，也许会更容易为您提供帮助。

请注意，您使用的方法并不能保证有效，文件中很容易有“元素”，您的查找图像的基本方法不会删除这些“元素”。

你可以使用 Ghostscript；将文件运行到位图并指定 -dFILTERTEXT 和 -dFILTERIMAGES。然后检查位图的像素，看是否有非白色的。如果是，则文件中有矢量内容。您可能可以使用 ImageMagick 之类的东西来计算颜色并查看是否超过 1。

或者将文件运行到位图两次，一次正常，一次使用 -dFILTERVECTOR。比较这两个位图（它们上的 MD5 就足够了）。如果没有差异，则没有矢量内容。

【讨论】：

【解决方案2】：

任何具有矢量元素的 PDF 都将使用至少一种路径绘制运算符。根据 PDF 标准的第 8 章，这些是：

S, s, f, F, f*, B, B*, b, b*, n

当然，由于 PDF 文件可能很复杂，因此您还需要标准格式的文件。您可以使用qpdf 程序的QDF 格式来做到这一点。（apt install qpdf 如果你没有的话）。

qpdf -qdf schedule.pdf - | egrep -m1 -q '\b[SsfFBbn]\*?$'  && echo Yup

如果文件 schedule.pdf 中包含矢量图形，则会打印“Yup”。

注意：我认为这会为您完成这项工作，但它不是万无一失的。如果您的 PDF 从外部文件加载矢量、嵌入原始 postscript 或执行其他一些技巧，则可能会出现误报。当然，它也可能有误报（例如，一个文件在白色背景上用白色墨水绘制了一个完全透明的 0pt 点）。

【讨论】：

不要忘记内容流可以（通常会）被压缩，因此您需要先解压缩它们，然后才能对内容使用 grep（可能这就是您使用 qpdf 所做的事情）。如果文件包含任何二进制数据，例如图像或字体，您几乎肯定会得到误报（其中很多）。
正确。这就是我对 qpdf 所做的。 “QDF”格式是一种特殊格式的未压缩 PDF，可以很容易地在文本编辑器中解析甚至编辑。

【解决方案3】：

其他答案已解决在纯文本流中识别绘图运算符的问题。对于另一个问题，

但是我怎样才能检查是否有任何元素写入画布？

为此，元素需要是被引用的内容流的一部分在Page 对象的/Contents 成员中。

如果你读入所有的 pdf 对象，就会有一个树将所有内容流连接到预告片中声明的 Root 对象。

可能存在未在文档树中引用的杂散内容流对象。通过遍历页面树，您可以收集任何和所有实际内容，然后将结果提供给来自其他答案的解决方案之一。

【讨论】：