python - 为什么我的代码不能正确拆分扫描的 pdf 中的每一页？

Question

更新:感谢 stardt 的脚本! pdf是另一页的一页。我在另一个上试过这个脚本，它也正确地吐出每个 pdf 页面，但页码的顺序有时是正确的，有时是错误的。比如pdf文件的第25-28页，打印出来的页码是14、15、17，都是16。我想知道为什么？整个pdf可以从http://download304.mediafire.com/u6ewhjt77lzg/bgf8uzvxatckycn/3.pdf下载。

Original: 我有一个扫描的 pdf，其中两个纸质页面并排放置在一个 pdf 页面中。我想将 pdf 页面分成两部分，原来的左半部分成为两个新 pdf 页面中较早的部分。 pdf 看起来像 .

这是我的 Python 脚本，名为 un2up灵感来自 Gilles :

#!/usr/bin/env python
import copy, sys
from pyPdf import PdfFileWriter, PdfFileReader
input = PdfFileReader(sys.stdin)
output = PdfFileWriter()
for p in [input.getPage(i) for i in range(0,input.getNumPages())]:
    q = copy.copy(p)
    (w, h) = p.mediaBox.upperRight

    p.mediaBox.upperLeft = (0, h/2)
    p.mediaBox.upperRight = (w, h/2)
    p.mediaBox.lowerRight = (w, 0)
    p.mediaBox.lowerLeft = (0, 0)

    q.mediaBox.upperLeft = (0, h)
    q.mediaBox.upperRight = (w, h)
    q.mediaBox.lowerRight = (w, h/2)
    q.mediaBox.lowerLeft = (0, h/2)

    output.addPage(q)
    output.addPage(p)
output.write(sys.stdout)

我在终端的 pdf 上尝试了脚本，命令为 un2up < page.pdf > out.pdf , 但输出 out.pdf没有正确分割。

我还检查了变量的值 w和 h , p.mediaBox.upperRight 的输出, 他们是 514和 1224根据他们的实际比例，这看起来不正确。

文件可以从http://download851.mediafire.com/bdr4sv7v5nzg/raci13ct5w4c86j/page.pdf下载.

Answer 1

您的代码假设 p.mediaBox.lowerLeft 是 (0,0) 但实际上是 (0, 497)

这适用于您提供的文件:

#!/usr/bin/env python
import copy, sys
from pyPdf import PdfFileWriter, PdfFileReader
input = PdfFileReader(sys.stdin)
output = PdfFileWriter()
for i in range(input.getNumPages()):
    p = input.getPage(i)
    q = copy.copy(p)

    bl = p.mediaBox.lowerLeft
    ur = p.mediaBox.upperRight

    print >> sys.stderr, 'splitting page',i
    print >> sys.stderr, '\tlowerLeft:',p.mediaBox.lowerLeft
    print >> sys.stderr, '\tupperRight:',p.mediaBox.upperRight

    p.mediaBox.upperRight = (ur[0], (bl[1]+ur[1])/2)
    p.mediaBox.lowerLeft = bl

    q.mediaBox.upperRight = ur
    q.mediaBox.lowerLeft = (bl[0], (bl[1]+ur[1])/2)
    if i%2==0:
        output.addPage(q)
        output.addPage(p)
    else:
        output.addPage(p)
        output.addPage(q)

output.write(sys.stdout)