使用转换从 PDF 文件中抓取特定页面？

Question

我知道我以前做过这个，所以我确定这是可能的，我只是忘记了怎么做。有一种方法可以告诉 convert 抓取 PDF 的特定页面，我想将该页面的格式保留为 PDF。

Answer 1

您可以使用下标符号convert(1)“索引”到 PDF 中：

$ convert source.pdf[1] dest.pdf 

索引值取决于 PDF 导出器如何为页面编号。在此处对文件的测试中，数字似乎是从零开始的，因此上面的示例为您提供了文档中的第二页。我在网上看到过一些例子，它们显示字母索引，因为显然 PDF 创建者以这种方式“编号”了该文档中的页面。

不幸的是，这并没有给出很好的结果，因为 ImageMagick 假设一切都是基于像素的，因此光栅化矢量图像，例如典型 PDF 中的排版。

一个更好的工具是Ghostscript，您可能已经安装了它：

$ gs -dNOPAUSE -dBATCH -dFirstPage=2 -dLastPage=2 -sDEVICE=pdfwrite \
    -sOutputFile=dest.pdf -f src.pdf

这将原封不动地传递 PDF 数据，因为 Ghostscript 比 ImageMagick 更深地理解 PDF（PostScript 衍生品）。

Answer 2

ImageMagick 是位图图像的工具，大多数 PDF 不是。如果使用它，它会将数据栅格化，这通常是不可取的。

Pdftk可以从 PDF 文件中提取一页或多页。

pdftk A=input.pdf cat A42 A43 output pages_42_43.pdf

如果您使用PDFLaTeX安装了 LaTeX，则可以使用pdfpages。pdfpages 有一个外壳包装器，pdfjam。

pdfjam -o pages_42_43.pdf input.pdf 42,43

另一种可能性（这里有点矫枉过正，但对于比一页更复杂的需求有用）是带有PyPdf库的Python 。

#!/usr/bin/env python
import copy, sys
from pyPdf import PdfFileWriter, PdfFileReader
input = PdfFileReader(sys.stdin)
output = PdfFileWriter()
for i in [42, 43]:
    output.addPage(input.getPage(i))
output.write(sys.stdout)