perl - 如何修复损坏的/'nonconformance to standards' PDF

Question

我正在使用 Perl 构建一个 Web 应用程序。用户向我发送了一个 XML 文件，其中包含对许多 PDF 文档的引用。我使用 XSLT 将 XML 转换为 XHTML，然后使用 PrinceXML 从 XHTML 创建 PDF 文档。此 PDF 为将要包含的附件​​保留了带有页眉和页脚的空白页面。

获得 PDF 后，我使用 PDF::API2 Perl 模块逐一打开 XML 中引用的 PDF 文档，根据需要缩放和旋转页面，然后将它们包含在我创建的 PDF 文档中.

我的问题是，许多用户提交的 PDF 都以某种方式损坏了。即，它们不符合 Adob​​e 的 PDF 规范，并且 PDF::API2 不知道如何操作它们。 PDF::API2 文档建议使用 pdftk 来修复损坏的 PDF，但这通常需要很长时间，并且在许多情况下并不成功。

修复此类损坏的 PDF 的最佳方法是什么？

Answer 1

您在这里提倡的有时被称为“重新煎炸 PDF”:转换为 PostScript，然后再转换回 PDF。

但是，虽然这可能会解决一些使用其他方法可能无法轻松解决的问题，但您还应该意识到此过程中经常出现的问题和缺点:

• PostScript 的图形功能比 PDF 更有限。 PDF 添加了对真实透明度、更多色彩空间、ICC 颜色配置文件和更多字体类型的支持——PostScript 中不提供这些功能。 (事实上​​，向原始 PostScript 图形模型添加此类功能的需求正是 Adob​​e 开始开发 PDF 文件格式的动机之一!)

• 因此，从 PDF 转换为 PostScript 必然会导致质量下降，而在转换回 PDF 时，这种情况将无法恢复。

但是，您可以尝试另一种替代方法，它可以避免重新油炸的弯路:

• 借助 Ghostscript 直接转换 PDF -> PDF:

  gs                        \
    -o output.pdf           \
    -dPDFSETTINGS=/prepress \
    -sDEVICE=pdfwrite       \
     input.pdf
  

请使用可用的最新 Ghostscript 版本。

Ghostscript 有很多选项，您可以使用它们来控制 PDF 修复过程的各个方面。在不了解您的具体问题的情况下，我无法在这里更具体。

但是在过去的10年里我还没有遇到过很多Ghostscript无法修复的PDF问题，而通过Acroread重新编译就可以做到(虽然也有一些)。 OTOH，我还有很多 Acroread 的重新油炸没有成功的例子，而 Ghostscript 的 PDF -> PDF 却成功了......