pdfwork 0.4.0

基于 pikepdf 封装的命令行工具，处理 PDF 文件用

PDFWork

基于 pikepdf 封装的一个便于使用的 pdf 处理命令行工具。 提供以下功能：

• 书签（也叫目录）
  • 导入、导入、抹除PDF文件中的书签
• 合并 PDF
• 分割 PDF

安装方法

可以通过 pip 或 pipx 安装：

# pip
pip install pdfwork
# pipx
pipx install pdfwork

使用

合并 PDF 文件

假设你有一堆 PDF 文件，那么你可以使用 pdfwork merge 子命令来将它们合并。使用 -o 选项指定合并后的文件保存路径。

要输入需要合并的文件，有三种方法：

1. 直接在命令行中输入： -i alpha.pdf beta.pdf gamma.pdf
2. 在以 @ 开头的文本文件（例如 @pdf.list.txt）中以 每行一个 的形式编写 PDF 片段的路径，然后用 -i @pdf.list.txt 的形式指定列表文件。程序会在指定文件中读取 PDF 片段的路径。

$ pdfwork merge -o merged.pdf a.pdf b.pdf c.pdf

$ pdfwork merge -o merged.pdf @abc.list.txt

@abc.list.txt 的内容如下:

a.pdf
b.pdf
c.pdf

拆分 PDF 文件

pdfwork 可以将一个完整的 PDF 文件按页拆分成单页 PDF。使用 -i origin.pdf 输入源文件路径。然后通过 -o prefix.{:03d}.pdf 设置输出文件名模板。

可以在模板中使用 Python format 风格的占位符（详见 https://docs.python.org/zh-cn/3/library/string.html\#formatspec），例如 {:d} 或 {:04d} 之类，像十六进制的 {:x}、八进制的 {:o} 和二进制的 {:b} 也是可以使用的。

当 -o 参数未指定时，程序会使用类似于 {:0d}.pdf 这样的模板，但自动推导宽度，以确保生成 001.pdf ~ 999.pdf 样式的文件。

$ pdfwork split origin.pdf -o "origin.{:04d}.pdf"

导入导出 PDF 文件的书签

pdfwork 提供一种字面形式的书签描述语言，可以描述书签的标题、页码和嵌套关系。导入时，将描述语言转换成 PDF 的书签结构写入 PDF；导出时，从 PDF 中读取书签结构，编码成描述语言。

描述语言以一行作为一条书签，通过 @ 将一行分为 标题和页码两个部分:

标题 @ 页码

并且用缩进来表示嵌套层级:

根书签 @ 页码
    子书签 1 @ 页码
    子书签 2

这里可以观察到， "子书签 2" 没有输入页码。这是因为如果相邻的书签具有相同的页码，那么除了第一条之外的书签页码都可以省略不写，由程序自动推导。

$ pdfwork outline import origin.pdf -i bookmarks.txt -o origin.bookmarked.pdf --offset 20

$ pdfwork outline export origin.pdf -o bookmarks.exported.txt

在导入时，通常需要输入一个参数 --offset，这个参数表示正文页码和物理页码的偏差。例如，大多数书籍都有封面、扉页、前言、目录等结构，这些结构并没有算在目录的页码里。因此，当从书籍的目录中将页码转抄过来，就会存在一个值为 offset 的偏差。假设正文第 1 页在 PDF 中的实际页码是 21，那么 offset = 21

• 1 = 20。如果所操作的书籍没有此类问题，那么可以省略此参数，令程序使用默认值 offset = 0 。另外，程序会自动生成序号。

在导出时，各目录的页码已经计算成了物理页码，偏差归零。

在 docs/example.bookmark.txt 有一份示例的描述语言文本。

抹除书签

保存去除了书签信息的 PDF 版本。

$ pdfwork outline erase origin.pdf -o erased.pdf

优化 PDF 文档

可以优化 PDF 文档：

1. 以线性化模式保存 PDF，以便网络加载
2. 去除 PDF 中的重复图像对象，另所有图像引用指向唯一对象
3. 去除 PDF 中未引用的资源