2

我正在用 Perl 构建一个 Web 应用程序。用户向我发送一个 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 为将包含的附件​​保留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，如果需要，缩放和旋转页面，然后将它们包含在我创建的 PDF 文档中。

我的问题是用户提交的许多 PDF 都以某种方式损坏。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 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？

4

2 回答 2

5

您在这里所提倡的有时被称为“重新煎炸PDF”：转换为 PostScript 并返回 PDF。

但是，虽然这可能会解决一些其他方法可能无法轻松解决的问题，但您也应该注意此路径中经常存在的问题和缺点：

  • PostScript 的图形功能比 PDF 更受限制。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——这些功能在 PostScript 中不可用。（事实上​​，将这些功能添加到原始 PostScript 图形模型的需要是 Adob​​e 开始开发 PDF 文件格式的动机之一！）

  • 因此，从 PDF 转换为 PostScript 必然会降低质量，而在转换回 PDF 时您将无法恢复。

但是，您可以尝试另一种选择，以避免重新油炸绕道：

  • 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 有很多选项可用于控制 PDF 修复过程的各个方面。在不知道您的具体问题的情况下，我不能在这里更具体。

但是在过去的 10 年里，我还没有遇到很多 Ghostscript 无法修复的 PDF 问题，而通过 Acroread 重炸可以做到（虽然有一些）。OTOH，我有更多的例子，A​​croread 的重炸没有成功，而 Ghostscript 的 PDF -> PDF 做到了......

于 2012-09-06T20:32:28.237 回答
3

我回答这个问题是为了分享我在构建这个工具时找到的答案。

如问题中所述，我首先尝试使用 Linux 命令行工具 pdftk 修复损坏的 PDF。这在某些情况下有效，但大多数损坏的 PDF 仍然无法修复，而且此工具通常需要很长时间。

然后，我想到将 PDF 转换为 PostScript，然后再转换回 PDF。我使用 pdf2ps 和 ps2pdf 进行转换。这两个工具都是 ghostscript 的包装器。这种方法获得了更高的命中率，但仍有不少损坏的 PDF 无法转换为 PostScript 文件。

然后我尝试使用 Adob​​e 的 PDF 阅读器 acroread 将 PDF 转换为 PostScript，而不是 pdf2ps。事实证明，这是一个非常好的解决方案，几乎可以修复所有 PDF。我仍然使用 ps2pdf 将文件转换回 PDF。

我使用的 acroread 命令是：

acroread -toPostScript -choosePaperByPDFPageSize -pairs input.pdf output.ps

更新（2015 年 2 月 25 日）：我遵循了 Kurt Pfeifle 的建议并将其纳入我的流程。这比 'refrying' 慢（见 Kurt 的帖子），但成功率更高。有趣的是，在极少数情况下它不起作用，而“重炸”起作用，所以这成为了我的后备方案。

于 2012-09-06T19:56:07.937 回答