实际使用 PDF Clown 裁剪 PDF

Question

我的目标实际上是用 PdfClown 裁剪一个 PDF 文件。 有很多工具/库允许裁剪 PDF，更改 PDF 裁剪框。 这允许隐藏矩形区域之外的内容，但内容仍然存在，它可能通过 PDF 解析器访问并且 PDF 大小不会改变。

相反，我需要的是创建一个仅包含矩形区域内内容的新页面。

到目前为止，我已经尝试扫描内容并有选择地克隆它们。 但我还没有成功。 关于使用 PdfClown 的任何建议？

我见过有人尝试使用 PdfBox 从 PDF 页面裁剪区域，但尚未成功。

Answer 1

有点晚了，但也许对某人有帮助； 我正在成功地做你所要求的 - 但与其他图书馆。 所需的库：iText 4 或 5 和 Ghostscript

步骤 1 使用伪代码

使用 iText，创建一个带有空白文档的 PDFWRITER 实例。 打开 PDFREADER 对象到要裁剪的原始文件。 导入页面，从源获取 PDFTemplate 对象，将其.boundingBox属性设置为所需的裁剪框，将模板包装到 iText Image 对象中，并将其粘贴到新页面的绝对位置。

Dim reader As New PdfReader(sourcefile)
Dim doc As New Document()
Dim writer As PdfWriter = PdfWriter.GetInstance(doc, New System.IO.FileStream(outputfilename, System.IO.FileMode.Create))

//get the source page as an Imported Page
Dim page As PdfImportedPage = writer.GetImportedPage(reader, indexOfPageToGet) page

//create PDFTemplate Object at original size from source - see iText in Action book Page 91 for full details
Dim pdftemp As PdfTemplate = page.CreateTemplate(page.Width, page.Height) 
//paste the original page onto the template object, see iText documentation what those parameters do (scaling, mirroring)
pdftemp.AddTemplate(page, 1, 0, 0, 1, 0, 0)
//now the critical part - set .boundingBox property on the template. This makes all objects outside the rectangle invisible
pdftemp.boundingBox = {iText Rectangle Structure with new Cropbox}
//template not needed anymore
writer.ReleaseTemplate(pdftemp) 
//create an iText IMAGE object as wrapper to the template - with this img object absolute positionion on the final page is much easier
dim img as iTextSharp.Text.Image = Image.GetInstance(pdftemp)
// set img position
img.SetAbsolutePosition(x, y)
//set optional Rotation if needed
img.RotationDegrees = 0
//finally, this adds the actual content to the new document
doc.Add(img) 
//cleanup
doc.Close()
reader.Close()
writer.Close()

输出文件将在视觉上看起来被裁剪。 但是对象仍然存在于 PDF 流中。 文件大小可能会保持很小的变化。

第 2 步：

使用 Ghostscript 和输出设备 pdfwrite，结合正确的命令行参数，您可以重新处理步骤 1 中的 PDF。这将为您提供更小的 PDF。 有关参数，请参阅 Ghostscript 文档https://www.ghostscript.com/doc/9.52/Use.htm此步骤实际上消除了边界框之外的对象 - 您在 OP 中要求的要求，至少对于文件我处理的。

可选步骤 3：使用带有 -g 选项的 MUTOOL，您可以清理未使用的外部参照对象。 您的原始 PDF 可能有很多外部参照，这会增加文件大小。 裁剪后，其中一些可能不再需要了。 https://mupdf.com/docs/manual-mutool-clean.html

PDF 格式是一件棘手的事情，通常我会同意@Tilman Hausherr ，我的建议可能不适用于所有文件并涵盖“几乎不可能”的情况，但它适用于我处理的所有情况。