pdf - 使用 PoDoFo 或其他开源软件进行 PDF 预检程序？

Question

就目前情况而言，这个问题不太适合我们的问答形式。我们希望答案得到事实、引用资料或专业知识的支持，但这个问题可能会引发辩论、争论、民意调查或扩展讨论。如果您觉得这个问题可以改进并可能重新开放， visit the help center以获得指导。

已关闭 10 年前。

我必须自动对 PDF 文档进行预检检查。预检包括:

1. 检测现有文档中图像的分辨率，如果图像尚未达到该分辨率，请将其更改为 300dpi。
2. 检测图像的色彩空间，如果不是 CMYK，则使用颜色配置文件将其转换为 CMYK。
3. 检测现有 PDF 文档中是否嵌入了字体，并通过替换字体来纠正此问题。 (或绘制字体轮廓 - 我不确定这部分)。

只是想知道这是否可以使用 PoDoFo 或任何其他开源项目来完成。或者，如果我确实需要订购一些 2000 美元到 6000 美元之间的专有软件。我的托管环境位于 Linux 上，支持 PHP、Perl、Python、Ruby、Java。

有什么想法吗？

Answer 1

我不知道有任何现成的开源软件可以满足您的要求。

只有一部分可以通过编写自己的shell脚本(或其他程序)来解决。

1. 检测图像的分辨率。

   运行pdfimages -list some.pdf来输出PDF中包含的图像列表及其尺寸......看起来。但有一点并不明显:这些尺寸是原始图像的尺寸(嵌入在 PDF 中)。这可能是 720x720 像素。但是，如果渲染到 10x10 英寸见方的页面上，该图像在页面上的分辨率将为 72 DPI。如果在 1x1 英寸的正方形上渲染，则将为 720 DPI。 PDF 中的两种类型的“渲染”都可以由相同的嵌入原始图像进行，当前“图形状态”的上下文决定了应用哪一种。因此，要确定页面上显示的图像的实际 DPI，需要进行一些额外的 PDF 解析...

   无论如何，您都可以告诉 Ghostscript 将图像重新采样到 300 dpi，并为此使用“阈值”。 (Ghostscript 永远不会对图像进行“上采样”，只会对超出阈值的图像进行下采样。上采样几乎没有任何意义——它只会增大文件大小，而不会带来更高的质量。)

2. 使用 ICC 配置文件将颜色转换为色彩空间 CMYK。

   Ghostscript can do that 的最新版本。另请参阅most recent Ghostscript documentation描述其对 ICC 的支持。

3. 嵌入未嵌入的字体。

   运行(并评估其结果)pdffonts some.pdf 将显示哪些字体未嵌入。

   Ghostscript 可以 embed un-embedded fonts .

因此，可以满足您大部分要求的 Ghostscript 命令如下:

gs                                     \
  -o cmyk.pdf                          \
  -sDEVICE=pdfwrite                    \
  -sColorConversionStrategy=CMYK       \
  -sProcessColorModel=DeviceCMYK       \
  -sOutputICCProfile=/path/to/your.icc \
  -sColorImageDownsampleThreshold=2    \
  -sColorImageDownsampleType=Bicubic   \
  -sColorImageResolution=300           \
  -sGrayImageDownsampleThreshold=2     \
  -sGrayImageDownsampleType=Bicubic    \
  -sGrayImageResolution=300            \
  -sMonoImageDownsampleThreshold=2     \
  -sMonoImageDownsampleType=Bicubic    \
  -sMonoImageResolution=1200           \
  -dSubsetFonts=true                   \
  -dEmbedAllFonts=true                 \
  -sCannotEmbedFontPolicy=Error        \
  -c ".setpdfwrite<</NeverEmbed[ ]>> setdistillerparams" \
  -f some.pdf

此命令将对分辨率高于双倍所需分辨率 (*ImageDownSampleThreshold=2) 的所有图像进行下采样。此外，它会将所有这些设置应用于任何输入文件(除非某些特殊的 PDF 印前检查软件会根据特殊属性“检查”的结果应用选择性“修复”)。

最后，我不明白是什么让您认为您必须花费 2000 美元到 6000 美元，以防您不得不求助于闭源商业预检软件。 _{(在这个领域我最喜欢的是非常强大的 callas pdfToolbox6 (甚至有一个在 Linux 上作为 CLI 运行的版本)——它的基本版本售价 500 欧元。)}