9

我需要扫描上传的 PDF 以确定其中的页面是否都是纵向的，或者是否有横向页面。有没有办法可以使用 PHP 或 linux 命令来扫描这些页面的 PDF？

4

2 回答 2

16

（更新的答案 - 向下滚动......）

您可以使用pdfinfo（poppler-utils或xpdf-tools的一部分）或identify（ImageMagick 工具包的一部分）。

确认：

identify -format "%f  Page %s:   Width: %W -- Height: %H\n" T-VD7.PDF

示例输出：

T-VD7.PDF  Page 0:  Width: 595 -- Height: 842
T-VD7.PDF  Page 1:  Width: 595 -- Height: 842
T-VD7.PDF  Page 2:  Width: 1191 -- Height: 842
[...]
T-VD7.PDF  Page 11:  Width: 595 -- Height: 421
T-VD7.PDF  Page 12:  Width: 595 -- Height: 842

或者更简单一点：

identify -format "%s: %Wx%H\n" T-VD7.PDF

给出：

0:  595x842
1:  595x842
2:  1191x842
[...]
11:  595x421
12:  595x842

注意，如何identify使用从零开始的页面计数机制！

如果页面的宽度大于高度，则页面为“横向”。如果两者相等，则它们既不是也不是。

优点是可以identify让您非常轻松且非常广泛地调整输出格式。

pdf信息：

pdfinfo input.pdf | grep "Page.*size:"

示例输出：

Page size:      595.276 x 841.89 pts (A4)

pdfinfo如果涉及多页 PDF，肯定比更快、更精确。identify（我测试的 13 页 PDF 需要identify31 秒才能处理，而pdfinfo需要不到半秒......）

警告：默认情况下只pdfinfo报告第一页的大小。要获取所有页面的大小（您可能知道，有些 PDF 使用混合页面大小和混合方向），您必须修改命令：

pdfinfo -f 3 -l 13 input.pdf | grep "Page.*size:"

现在输出：

Page    1 size: 595.276 x 841.89 pts (A4)
Page    2 size: 595.276 x 841.89 pts (A4)
Page    3 size: 1191 x 842 pts (A3)
[....]
Page   12 size: 595 x 421 pts (A5)
Page   13 size: 595.276 x 841.89 pts (A4)

这将打印第 3 页（首先报告）到第 13 页（最后报告）的大小。

编写脚本：

  pdfinfo \
    -f 1 \
    -l 1000 \
     Vergleich-VD7.PDF \
| grep "Page.* size:" \
| \
| while read Page _pageno size _width x _height rest; do 
  [ "$(echo "${_width} / 1"|bc)" -gt "$(echo "${_height} / 1"|bc)" ] \
     && echo "Page $_pageno is landscape..." \
    || echo "Page $_pageno is portrait..."  ; \
 done

（bc-trick 是必需的，因为-gt比较仅适用于整数的 shell。除以1withbc会将可能的实数值取整为整数......）

结果：

Page 1 is portrait...
Page 2 is portrait...
Page 3 is landscape...
[...]
Page 12 is landscape...
Page 13 is portrait...

更新：使用“权利”pdfinfo发现页面旋转...

我最初的回答吹响了pdfinfo. Serenade X 在评论中说他/她的问题是发现旋转的页面。

好的，这里有一些尚未广为人知的附加信息，因此尚未被所有pdfinfo用户真正吸收......

正如我所提到的，有两种不同的pdfinfo实用程序：

  1. 作为xpdf-utils包的一部分提供的一个（在某些平台上也称为xpdf-tools）。
  2. 作为包的一部分出现的那个poppler-utils（在某些平台上也称为poppler-tools，有时它不是作为包分开而是作为主poppler包的一部分）。

波普勒的pdfinfo输出

因此，这里是 Popplerpdfinfo命令的示例输出。测试文件是 2 页 PDF，其中第一页为纵向 A4，第二页为横向 A4 格式：

kp@mbp:~$ pdfinfo -f 1 -l 2 a4portrait+landscape.pdf
制作人：GPL Ghostscript 9.05
创建日期：2012 年 7 月 26 日星期四 14:23:31
修改日期：2012 年 7 月 26 日星期四 14:23:31
标签： 没有
形式：无
页数：2
加密：否
第 1 页尺寸：595 x 842 磅 (A4)
第 1 页腐烂：0
第 2 页尺寸：842 x 595 磅 (A4)
第 2 页腐烂：0
文件大小：3100 字节
优化：无
PDF版本：1.4

你看到说Page 1 rot: 0和的线条了Page 2 rot: 0吗？

你注意到这句话Page 1 size: 595 x 842 pts (A4)和Page 2 size: 842 x 595 pts (A4)两者之间的区别了吗？

XPDF 的pdfinfo输出

现在让我们将其与 XPDF 的输出进行比较pdfinfo：

kp@mbp:~$ xpdf-pdfinfo -f 1 -l 2 a4portrait+landscape.pdf
制作人：GPL Ghostscript 9.05
创建日期：2012 年 7 月 26 日星期四 14:23:31
修改日期：2012 年 7 月 26 日星期四 14:23:31
标签： 没有
页数：2
加密：否
第 1 页尺寸：595 x 842 磅 (A4)
第 2 页尺寸：842 x 595 磅 (A4)
文件大小：3100 字节
优化：无
PDF版本：1.4

如果您仔细观察，您可能会注意到另一个不同之处。我不会把手指指向它，我会暂时闭上嘴...... :-)

Popplerpdfinfo正确报告第 2 页的旋转

pdftk接下来，我使用（我没有 Adob​​e Acrobat）将文件的第二页旋转 90 度：

pdftk \
  a4portrait+landscape.pdf \
  cat 1 2E \
  output a4portrait+landscape---page2-landscaped-by-pdftk.pdf

现在波普勒的pdfinfo报道是这样的：

kp@mbp:~$ pdfinfo -f 1 -l 2 a4portrait+landscape---page2-landscaped-by-pdftk.pdf
创建者：pdftk 1.44 - www.pdftk.com
制作人：itext-paulo-155 (itextpdf.sf.net-lowagie.com)
创建日期：2012 年 7 月 26 日星期四 14:39:47
修改日期：2012 年 7 月 26 日星期四 14:39:47
标签： 没有
形式：无
页数：2
加密：否
第 1 页尺寸：595 x 842 磅 (A4)
第 1 页腐烂：0
第 2 页尺寸：842 x 595 磅 (A4)
第 2 页腐烂：90
文件大小：1759 字节
优化：无
PDF版本：1.4

如您所见，该行Page 2 rot: 90告诉我们我们正在寻找什么。XPDFpdfinfo将基本上报告有关更改文件的信息，就像它报告原始文件一样。当然，它仍然可以正确捕获更改的Creator:,Producer:和*Date:信息，但它会错过旋转的页面......

还要注意这个细节：第2页最初设计为横向页面，从Page 2 size: 842 x 595 pts (A4)信息部分可以看出。但是，它在当前 PDF 中显示为纵向页面，如Page 2 rot: 90部件所示。

另请注意，轮换信息可能会出现 4 个不同的值：

  • 0（无旋转），
  • 90（向东旋转，或顺时针旋转 90 度），
  • 180（向南旋转，翻滚的页面图像，倒置，或顺时针 180 度），
  • 270（向西旋转，或逆时针旋转 90 度，或顺时针旋转 270 度）。

一些背景信息

Popper（由The Poppler Developers 开发）是XPDF（由Glyph & Cog LLC开发）的一个分支，它发生在 2005 年左右。（当时他们分叉 Poppler 开发人员的重要原因之一是：Glyph & Cog 没有t 总是为与安全相关的问题提供及时的错误修复......）

无论如何，Poppler fork 很长一段时间以来一直保持相关的命令行实用程序、它们的命令行参数和语法以及它们的输出格式与原始 (XPDF/Glyph & Cog LLC) 兼容。

与竞争 XPDF 工具相比，现有的 Poppler 工具获得了额外的功能

但是，最近他们开始添加其他功能。从我的头顶冒出：

  • pdfinfo现在还报告每个页面的轮换状态（从 2012 年 3 月 1 日发布的 Poppler v0.19.0 开始）。
  • pdffonts现在还报告每种字体的字体编码（从 2012 年 3 月 15 日发布的 Poppler v0.19.1 开始）。

Poppler 工具获得更多兄弟姐妹

Poppler 工具还提供了一些额外的命令行实用程序，这些实用程序不在原始 XPDF 包中（其中一些是最近才添加的）：

  • pdftocairo- 用于创建 PNG、JPEG、PostScript、EPS、PDF、SVG 的实用程序（使用 Cairo）
  • pdfseparate- 提取 PDF 页面的实用程序
  • pdfunite- 用于合并 PDF 文件的实用程序
  • pdfdetach- 从 PDF 中列出或提取嵌入文件的实用程序
  • pdftohtml- 从 PDF 文件转换 HTML 的实用程序
于 2012-07-17T20:51:12.447 回答
3

identifyImageMagick 附带的将为您提供给定 PDF 文件的宽度和高度（它还需要在系统上安装 GhostScript）。

$ identify -format "%g\n" FILENAME.PDF
1417x1106+0+0

1417宽度在哪里，1106高度在哪里，您（为此）可以忽略+0+0.

编辑：对不起，我指的是Mike B对原始问题的评论 - 正如他所说，在知道宽度和高度后，您可以确定您是否有纵向或横向图像（如果高度 > 宽度则纵向，否则为横向）。

此外，\n添加到参数中的-format参数（如 Kurt Pfeifle 所建议的）会将每个页面分隔成自己的行。他还提到了%W和%H格式参数；所有可能的格式参数都可以在这里找到（有很多）。

于 2012-07-17T19:48:05.210 回答