Recortar páginas de un archivo .pdf

Question

Me preguntaba si alguien tenía alguna experiencia en trabajar programáticamente con archivos .pdf. Tengo un archivo .pdf y necesito recortar cada página hasta un cierto tamaño.

Después de una búsqueda rápida en Google encontré la biblioteca pyPdf para python, pero mis experimentos con ella fallaron. Cuando cambié los atributos cropBox y trimBox en un objeto de página, los resultados no eran los que esperaba y parecían ser bastante aleatorios.

¿Alguien ha tenido alguna experiencia con esto? Los ejemplos de código serían muy apreciados, preferiblemente en python.

Answer 1

pypdf hace lo que espero en esta área. Utilizando la siguiente secuencia de comandos:

#!/usr/bin/python 
# 

from pyPdf import PdfFileWriter, PdfFileReader 

with open("in.pdf", "rb") as in_f: 
    input1 = PdfFileReader(in_f) 
    output = PdfFileWriter() 

    numPages = input1.getNumPages() 
    print "document has %s pages." % numPages 

    for i in range(numPages): 
     page = input1.getPage(i) 
     print page.mediaBox.getUpperRight_x(), page.mediaBox.getUpperRight_y() 
     page.trimBox.lowerLeft = (25, 25) 
     page.trimBox.upperRight = (225, 225) 
     page.cropBox.lowerLeft = (50, 50) 
     page.cropBox.upperRight = (200, 200) 
     output.addPage(page) 

    with open("out.pdf", "wb") as out_f: 
     output.write(out_f) 

El documento resultante tiene una caja de corrección que es de 200x200 puntos y comienza a las 25,25 puntos dentro de la caja de medios. El cuadro de recorte está a 25 puntos dentro de la casilla de recorte.

Aquí es cómo mi documento de muestra se ve en Acrobat Professional después de la transformación con el código anterior:

Este documento aparecerá en blanco cuando se carga en Acrobat Reader.

Answer 2

Probablemente esté buscando una solución gratuita, pero si tiene dinero para gastar, PDFlib es una fabulosa biblioteca. Nunca me ha decepcionado.

Answer 3

Puede convertir el PDF a Postscript (pstopdf o ps2pdf) y usar el procesamiento de texto en el archivo Postscript. Después de eso, puede convertir la salida de nuevo a PDF.

Esto funciona bien si los archivos PDF que desea procesar son todos generados por la misma aplicación y son algo similares. Si provienen de diferentes fuentes, generalmente es difícil procesar los archivos de Postscript, la estructura varía mucho. Pero incluso más de lo que puede migrar, puede arreglar tamaños de página y similares con algunas expresiones regulares.

Answer 4

Acrobat Javascript API tiene un método setPageBoxes, pero Adobe no proporciona ejemplos de código Python. Solo C++, C# y VB.