按书签分割 PDF？

Question

我要处理通过“合并”多个 PDF 创建的单个 PDF。每个合并的 PDF 都有 PDF 部分开始显示的位置，并带有书签。

有什么方法可以通过脚本自动将其分割为书签吗？

我们只有书签来指示部件，而不是页码，因此我们需要从书签推断页码。最好有一个 Linux 工具。

Answer 1

pdftk可用于分割PDF文件并提取书签的页码。

要获取书签的页码，请执行以下操作

pdftk in.pdf dump_data

并使脚本从输出中读取页码。

然后使用

pdftk in.pdf cat A-B output out_A-B.pdf

将A到B的页面放入out_A-B.pdf中。

该脚本可能是这样的：

#!/bin/bash

infile=$1 # input pdf
outputprefix=$2

[ -e "$infile" -a -n "$outputprefix" ] || exit 1 # Invalid args

pagenumbers=( $(pdftk "$infile" dump_data | \
                grep '^BookmarkPageNumber: ' | cut -f2 -d' ' | uniq | sort -n)
              end )

for ((i=0; i < ${#pagenumbers[@]} - 1; ++i)); do
  a=${pagenumbers[i]} # start page number
  b=${pagenumbers[i+1]} # end page number
  [ "$b" = "end" ] || b=$[b-1]
  pdftk "$infile" cat $a-$b output "${outputprefix}"_$a-$b.pdf
done

Answer 2

有一个用 Java 编写的命令行工具，名为 Sejda，您可以在其中找到 splitbybookmarks命令完全按照您的要求执行。它是 Java，因此它可以在 Linux 上运行，并且作为一个命令行工具，您可以编写脚本来执行此操作。

免责声明
我是作者之一

Answer 3

您有类似 pdf-split 构建的程序可以为您执行此操作：

A-PDF Split 是一个非常简单、快速的桌面实用程序，可让您将任何 Acrobat pdf 文件拆分为更小的 pdf 文件。它在如何分割文件以及如何唯一命名分割输出文件方面提供了完全的灵活性和用户控制。 A-PDF Split 提供了多种分割大文件的替代方案 - 按页面、按书签以及按奇数/偶数页面。您甚至可以提取或删除 PDF 文件的一部分。 A-PDF Split 还提供高级定义的分割，可以保存并稍后导入以用于重复的文件分割任务。 A-PDF 分割代表了文件分割的终极灵活性，可满足各种需求。

A-PDF Split 适用于受密码保护的 pdf 文件，并且可以将各种 pdf 安全功能应用于拆分输出文件。如果需要，您可以使用 A-PDF Merger 等实用程序将生成的拆分文件与其他 pdf 文件重新组合，形成新的复合 pdf 文件。

A-PDF Split 不需要 Adob​​e Acrobat，并生成与 Adob​​e Acrobat Reader 版本 5 及更高版本兼容的文档。

编辑*还发现了一个免费的开源程序这里。

如果您不想付费，

Answer 4

这是我用于完成该任务的一个 Perl 小程序。 Perl 并不特殊；它只是 pdftk 的包装器，用于解释其 dump_data 输出，将其转换为要提取的页码：

#!perl
use v5.24;
use warnings;

use Data::Dumper;
use File::Path qw(make_path);
use File::Spec::Functions qw(catfile);

my $pdftk = '/usr/local/bin/pdftk';
my $file = $ARGV[0];
my $split_dir = $ENV{PDF_SPLIT_DIR} // 'pdf_splits';

die "Can't find $ARGV[0]\n" unless -e $file;

# Read the data that pdftk spits out.
open my $pdftk_fh, '-|', $pdftk, $file, 'dump_data';

my @chapters;
while( <$pdftk_fh> ) {
    state $chapter = 0;
    next unless /\ABookmark/;

    if( /\ABookmarkBegin/ ) {
        my( $title ) = <$pdftk_fh> =~ /\ABookmarkTitle:\s+(.+)/;
        my( $level ) = <$pdftk_fh> =~ /\ABookmarkLevel:\s+(.+)/;

        my( $page_number ) = <$pdftk_fh> =~ /\BookmarkPageNumber:\s+(.+)/;

        # I only want to split on chapters, so I skip higher
        # level numbers (higher means more nesting, 1 is lowest).
        next unless $level == 1;

        # If you have front matter (preface, etc) then this numbering
        # will be off. Chapter 1 might be called Chapter 3.
        push @chapters, {
            title         => $title,
            start_page    => $page_number,
            chapter       => $chapter++,
            };
        }
    }

# The end page for one chapter is one before the start page for
# the next chapter. There might be some blank pages at the end
# of the split for PDFs where the next chapter needs to start on
# an odd page.
foreach my $i ( 0 .. $#chapters - 1 ) {
    my $last_page = $chapters[$i+1]->{start_page} - 1;
    $chapters[$i]->{last_page} = $last_page;
    }
$chapters[$#chapters]->{last_page} = 'end';

make_path $split_dir;
foreach my $chapter ( @chapters ) {
    my( $start, $end ) = $chapter->@{qw(start_page last_page)};

    # slugify the title so use it as a filename
    my $title = lc( $chapter->{title} =~ s/[^a-z]+/-/gri );

    my $path = catfile( $split_dir, "$title.pdf" );
    say "Outputting $path";

    # Use pdftk to extract that part of the PDF
    system $pdftk, $file, 'cat', "$start-$end", 'output', $path;
    }

Answer 5

我编写了一个 Python 脚本，在具有特定名称的书签处将 PDF 分成两部分，使用pdftk。该脚本保留两个输出 PDF 中的书签。

Answer 6

您可以使用 pdf_extbook 在 Linux 上提取带书签的 PDF。

它是自由软件。

它使用 pdftk 从文件中读取书签，使用 fzf 允许用户选择要提取的书签，并再次使用 pdftk 提取添加书签的页面。