PDF - 删除白边

我想知道如何从 PDF 文件中删除白边距。就像 Adob​​e Acrobat X Pro 一样。据我所知，它并不适用于每个 PDF 文件。

我猜想做到这一点的方法是获取文本边距，然后裁剪掉该边距。

PyPdf 是首选。

iText 根据以下代码查找文本边距：

public void addMarginRectangle(String src, String dest)
    throws IOException, DocumentException {
    PdfReader reader = new PdfReader(src);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(RESULT));
    TextMarginFinder finder;
    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        finder = parser.processContent(i, new TextMarginFinder());
        PdfContentByte cb = stamper.getOverContent(i);
        cb.rectangle(finder.getLlx(), finder.getLly(),
            finder.getWidth(), finder.getHeight());
        cb.stroke();
    }
    stamper.close();
}

我对 PyPDF 不太熟悉，但我知道 Ghostscript 能够为你做到这一点。以下是类似问题的其他一些答案的链接：

1. 将 PDF 每页 2 面转换为每页 1 面 https://superuser.com/a/189109/40894（超级用户.com）
2. 可以从中间分割 pdf 页面的免费软件吗？ https://superuser.com/a/235401/40894（超级用户.com）
3. 使用 Ghostscript 9.01 裁剪 PDF https://stackoverflow.com/a/6184547/359307（StackOverflow.com）

第三个答案可能就是你说的'我了解它不适用于每个 PDF 文件'。它使用pdfmark命令尝试设置/CropBox到 PDF 页面对象中。

前两个答案的方法很可能会成功，而第三个答案会失败。此方法使用 PostScript 命令片段<</PageOffset [NNN MMM]>> setpagedevice将 PDF 页面移动并放置在由-gNNNNxMMMM参数（定义设备宽度和高度（以像素为单位））。

如果您理解前两个答案背后的概念，您将能够轻松地调整其中使用的方法来裁剪 PDF 页面所有 4 个边缘的边距：

一个示例命令，用于在 4 个边缘上将字母大小的 PDF (8.5x11in == 612x792pt) 裁剪半英寸 (==36pt)（命令适用于 Windows）：

gswin32c.exe ^
    -o cropped.pdf ^
    -sDEVICE=pdfwrite ^
    -g5400x7200 ^
    -c "<</PageOffset [-36 -36]>> setpagedevice" ^
    -f input.pdf

最终的页面大小将为 7.5x10in (== 540x720pt)。要在 Linux 或 Mac 上执行相同的操作，请使用：

gs \
    -o cropped.pdf \
    -sDEVICE=pdfwrite \
    -g5400x7200 \
    -c "<</PageOffset [-36 -36]>> setpagedevice" \
    -f input.pdf

更新：如何使用 Ghostscript 确定“边距”

有评论要求“自动”确定白边距。您可以使用 Ghostscript 来实现此目的。它是bbox设备可以确定每个页面上的（虚拟）墨水覆盖的区域（从而间接确定画布每个边缘的空白区域）。

这是命令：

gs \
  -q -dBATCH -dNOPAUSE \
  -sDEVICE=bbox \
   input.pdf 

输出（示例）：

 %%BoundingBox: 57 29 562 764
 %%HiResBoundingBox: 57.265030 29.347046 560.245045 763.649977
 %%BoundingBox: 57 28 562 667
 %%HiResBoundingBox: 57.265030 28.347046 560.245045 666.295011

The bbox设备在内存中渲染每个 PDF 页面（不将任何输出写入磁盘），然后将 BoundingBox 和 HiResBoundingBox 信息打印到stderr。您可以像这样修改此命令以使结果更易于解析：

gs \
    -q -dBATCH -dNOPAUSE \
    -sDEVICE=bbox \
     input.pdf \
     2>&1 \  
  | grep -v HiResBoundingBox

输出（示例）：

 %%BoundingBox: 57 29 562 764
 %%BoundingBox: 57 28 561 667

这会告诉你...

• ...内容矩形的左下角Page 1位于坐标处[57 29]右上角位于[562 741]
• ...内容矩形的左下角Page 2位于坐标处[57 28]右上角位于[561 667]

这意味着：

• Page 1在左边缘使用 57pt 的空白（72pt == 1in == 25,4mm).
• Page 1在底部边缘使用 29pt 的空白。
• Page 2在左边缘使用 57pt 的空白。
• Page 2在底部边缘使用 28pt 的空白。

正如您从这个简单的示例中看到的，每个页面的空白并不完全相同。根据您的需求（您可能希望多页 PDF 的每个页面具有相同的尺寸，不是吗？），您必须计算出文档所有页面的每个边缘的最小边距是多少。

现在右侧和顶部边缘的空白又如何呢？要计算该值，您需要知道每个页面的原始页面大小。确定这一点的最简单方法：pdfinfo公用事业。 5 页 PDF 的命令示例：

pdfinfo \
  -f 1 \
  -l 5 \
   input.pdf \
| grep "Page "

输出（示例）：

Page    1 size: 612 x 792 pts (letter)
Page    2 size: 612 x 792 pts (letter)
Page    3 size: 595 x 842 pts (A4)
Page    4 size: 842 x 1191 pts (A3)
Page    5 size: 612 x 792 pts (letter)

这将帮助您确定所需的画布尺寸以及每个新 PDF 页面的顶部和右侧边缘所需的（最大）白边距。

当然，这些计算也都可以编写脚本。

但是，如果您的 PDF 都是统一的页面大小，或者它们是单页文档，那么这一切就更容易完成......