PDF - 删除白边

Question

我想知道一种从 PDF 文件中删除白边距的方法。就像 Adob​​e Acrobat X Pro 一样。我知道它不适用于每个 PDF 文件。

我猜想这样做的方法是获取文本边距，然后从该边距中裁剪出来。

PyPdf 是首选。

iText 根据此代码查找文本边距：

public void addMarginRectangle(String src, String dest)
    throws IOException, DocumentException {
    PdfReader reader = new PdfReader(src);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(RESULT));
    TextMarginFinder finder;
    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        finder = parser.processContent(i, new TextMarginFinder());
        PdfContentByte cb = stamper.getOverContent(i);
        cb.rectangle(finder.getLlx(), finder.getLly(),
            finder.getWidth(), finder.getHeight());
        cb.stroke();
    }
    stamper.close();
}

Answer 1

我对 PyPDF 不太熟悉，但我知道 Ghostscript 能够为您做到这一点。以下是类似问题的其他答案的链接：

1. Convert PDF 2 sides per page to 1 side per page (SuperUser.com)
2. Freeware to split a pdf's pages down the middle? (SuperUser.com)
3. Cropping a PDF using Ghostscript 9.01 (StackOverflow.com)

第三个答案可能是让您说“我知道它不适用于每个 PDF 文件”的原因。它使用 pdfmark 命令尝试将/CropBox 设置到 PDF 页面对象中。

前两个答案的方法很可能在第三个失败的情况下成功。此方法使用 <</PageOffset [NNN MMM]>> setpagedevice 的 PostScript 命令 sn-p 将 PDF 页面移动并放置在由 -gNNNNxMMMM 参数（定义设备宽度和高度，以像素为单位）定义的（较小的）媒体尺寸上。

如果您了解前两个答案背后的概念，您将能够轻松地调整其中使用的方法来裁剪 PDF 页面所有 4 个边缘的边距：

将字母大小的 PDF (8.5x11in == 612x792pt) 在 4 条边的每条边上裁剪半英寸 (==36pt) 的示例命令（该命令适用于 Windows）：

gswin32c.exe ^
    -o cropped.pdf ^
    -sDEVICE=pdfwrite ^
    -g5400x7200 ^
    -c "<</PageOffset [-36 -36]>> setpagedevice" ^
    -f input.pdf

生成的页面大小将为 7.5x10in (== 540x720pt)。要在 Linux 或 Mac 上执行相同操作，请使用：

gs \
    -o cropped.pdf \
    -sDEVICE=pdfwrite \
    -g5400x7200 \
    -c "<</PageOffset [-36 -36]>> setpagedevice" \
    -f input.pdf

---

更新：如何使用 Ghostscript 确定“边距”

一条评论要求“自动”确定白边。您也可以为此使用 Ghostscript。它的bbox 设备可以确定每页上（虚拟）墨水覆盖的区域（因此，间接确定画布每个边缘的空白区域）。

命令如下：

gs \
  -q -dBATCH -dNOPAUSE \
  -sDEVICE=bbox \
   input.pdf 

输出（示例）：

 %%BoundingBox: 57 29 562 764
 %%HiResBoundingBox: 57.265030 29.347046 560.245045 763.649977
 %%BoundingBox: 57 28 562 667
 %%HiResBoundingBox: 57.265030 28.347046 560.245045 666.295011

bbox 设备在内存中渲染每个 PDF 页面（不将任何输出写入磁盘），然后将 BoundingBox 和 HiResBoundingBox 信息打印到 stderr。您可以像这样修改此命令以使结果更易于解析：

gs \
    -q -dBATCH -dNOPAUSE \
    -sDEVICE=bbox \
     input.pdf \
     2>&1 \  
  | grep -v HiResBoundingBox

输出（示例）：

 %%BoundingBox: 57 29 562 764
 %%BoundingBox: 57 28 561 667

这会告诉你...

• ...第1页内容矩形的左下角在坐标[57 29]，右上角在[562 741]
• ...第2页内容矩形的左下角在坐标[57 28]，右上角在[561 667]

这意味着：

• 第 1 页在左边缘使用 57pt 的空白 (72pt == 1in == 25,4mm)。
• 第 1 页在底部边缘使用 29pt 的空白。
• 第 2 页在左边缘使用 57pt 的空白。
• 第 2 页在底部边缘使用 28pt 的空白。

正如您已经从这个简单的示例中看到的那样，每个页面的空格并不完全相同。根据您的需要（您可能希望多页 PDF 的每一页都具有相同的大小，不是吗？），您必须计算出文档所有页面上每个边缘的最小边距。

现在右边和上边的空白呢？要计算它，您需要知道每页的原始页面大小。确定这一点的最简单方法：pdfinfo 实用程序。 5 页 PDF 的示例命令：

pdfinfo \
  -f 1 \
  -l 5 \
   input.pdf \
| grep "Page "

输出（示例）：

Page    1 size: 612 x 792 pts (letter)
Page    2 size: 612 x 792 pts (letter)
Page    3 size: 595 x 842 pts (A4)
Page    4 size: 842 x 1191 pts (A3)
Page    5 size: 612 x 792 pts (letter)

这将帮助您确定所需的画布大小以及每个新 PDF 页面的顶部和右侧边缘所需的（最大）白边距。

当然，这些计算也都可以编写脚本。

但是，如果您的 PDF 都是 uniq 页面大小，或者它们是 1 页文档，那么这一切都更容易完成......

Answer 2

试试pdfcrop。它需要 ghostscript。