这个需求的场景是需要将多个 PDF 合并成一个，并且加上目录。
Contents
核心命令
|
1 |
timeout 600 gs -q -sDEVICE=pdfwrite -dBATCH -sOUTPUTFILE=$BOOK_PATH -dNOPAUSE $INPUT $TOC |
其中 $TOC 是目录文件。某些情况下，pdfwrite 无法正常生产 PDF，可以用 ps2write 先生成 ps 文件，再转换成 PDF：
|
1 2 |
timeout 600 gs -q -sDEVICE=ps2write -dBATCH -sOUTPUTFILE=/tmp/$TAG.ps -dNOPAUSE $INPUT && r=0 || r=1 [ $r -eq 0 ] && timeout 600 gs -q -sDEVICE=pdfwrite -dBATCH -sOUTPUTFILE=$BOOK_PATH -dNOPAUSE /tmp/$TAG.ps $TOC && r=0 || r=1 |
目录
pdfmark 目录的基本结构如下：
|
1 2 3 4 5 6 |
[/ModDate (D:20200411054704) /CreationDate (D:20200411054704) /Creator (Foxit PDF Creator Version 2.0.0 build 0725) /Producer (Foxit PDF Creator Version 2.0.0 build 0725) /DOCINFO pdfmark [/Title <FEFF7B2C4E007AE0> /Count 0 /Page 1 /OUT pdfmark [/Title <FEFF7B2C4E8C7AE0> /Count 0 /Page 2 /OUT pdfmark [/Title <FEFF7B2C4E097AE0> /Count 0 /Page 3 /OUT pdfmark [/Title <FEFF7B2C56DB7AE0> /Count 0 /Page 4 /OUT pdfmark [/Title <FEFF7B2C4E947AE0> /Count 0 /Page 5 /OUT pdfmark |
/Title表示标题名称，如果含空格，应用括号括起来/Count标题下的分支数目，若无分支，则为 0。若大于 0，则此标题下对应数量的标题会被视为此标题的子标题/Page表示页码/OUT输出格式
以上 Title 分别为 第一章 .. 第五章。需要注意的是中文标题需要带有 BOM 的 UTF-16BE 编码，在 Python 中，核心代码如下：
|
1 2 3 4 |
def pdfmark(toc, count): title = toc.getText().encode('utf-16be') title = title.hex().upper() print("[/Title <FEFF" + title + "> /Count " + str(count) + " /Page " + toc.attrs['rel'][0] + " /OUT pdfmark") |
PDF合法性判断
通过 pdfinfo 来判断是否是合法的 PDF。
|
1 2 3 4 5 6 7 8 9 10 11 |
function verifyPDF() { if [ $BOOKTYPE == "PDF" ];then pdfinfo $1 2>/dev/null|grep -i "PDF version" &>/dev/null if [ $? -eq 1 ];then _warn "$1 not valid pdf. will delete. TAG:$TAG" "$LOGPRE" rm -f "$1" return 1 fi fi return 0 } |
参考资料
|
1 2 |
1. https://blog.csdn.net/u010252464/article/details/88932221 2. https://stackoverflow.com/questions/9188189/wrong-encode-when-update-pdf-meta-data-using-ghostscript-and-pdfmark |
发表回复