通过坐标提取 PDF 页面的一个区域答案

【问题标题】：Extract a region of a PDF page by coordinates通过坐标提取 PDF 页面的一个区域
【发布时间】：2012-02-17 16:51:15
【问题描述】：

我正在寻找一种工具来提取 1 页 PDF 文件的给定矩形区域（按坐标）并生成具有指定区域的 1 页 PDF 文件：

# in.pdf is a 1-page pdf file
extract file.pdf 0 0 100 100 > out.pdf
# out.pdf is now a 1-page pdf file with a page of size 100x100
# it contains the region (0, 0) to (100, 100) of file.pdf

我可以将 PDF 转换为图像并使用 convert，但这意味着生成的 PDF 将不再是矢量的，这是不可接受的（我希望能够缩放）。

理想情况下，我希望使用命令行工具或 Python 库来执行此任务。

谢谢！

【问题讨论】：

标签： python pdf command-line extract crop

【解决方案1】：

使用pyPdf，您可以执行以下操作：

import sys
import pyPdf

def extract(in_file, coords, out_file):
    with open(in_file, 'rb') as infp:
        reader = pyPdf.PdfFileReader(infp)
        page = reader.getPage(0)
        writer = pyPdf.PdfFileWriter()
        page.mediaBox.lowerLeft = coords[:2]
        page.mediaBox.upperRight = coords[2:]
        # you could do the same for page.trimBox and page.cropBox
        writer.addPage(page)
        with open(out_file, 'wb') as outfp:
            writer.write(outfp)

if __name__ == '__main__':
    in_file = sys.argv[1]
    coords = [int(i) for i in sys.argv[2:6]]
    out_file = sys.argv[6]

    extract(in_file, coords, out_file)

【讨论】：

【解决方案2】：

以下脚本在 http://snipplr.com/view.php?codeview&id=18924 将 pdf 的每一页拆分为 2。

#!/usr/bin/env perl
use strict; use warnings;
use PDF::API2;

my $filename = shift;
my $oldpdf = PDF::API2->open($filename);
my $newpdf = PDF::API2->new;

for my $page_nb (1..$oldpdf->pages) {
  my ($page, @cropdata);

  $page = $newpdf->importpage($oldpdf, $page_nb);
  @cropdata = $page->get_mediabox;
  $cropdata[2] /= 2;
  $page->cropbox(@cropdata);
  $page->trimbox(@cropdata);
  $page->mediabox(@cropdata);

  $page = $newpdf->importpage($oldpdf, $page_nb);
  @cropdata = $page->get_mediabox;
  $cropdata[0] = $cropdata[2] / 2;
  $page->cropbox(@cropdata);
  $page->trimbox(@cropdata);
  $page->mediabox(@cropdata);
}

(my $newfilename = $filename) =~ s/(.*)\.(\w+)$/$1.clean.$2/;
$newpdf->saveas('destination_path/myfile.pdf');

【讨论】：