Um de nossos fornecedores começou a adicionar uma imagem desnecessariamente grande à última página de PDFs que recebemos deles. Eu preciso cortar isso. No entanto, temos centenas deles, então é proibitivo entrar manualmente. Quais são as melhores maneiras de extrair e, em seguida, excluir (de preferência primeiro, depois o outro; eu ainda preciso confirmar via filesize que eu não estou excluindo um que não tem a imagem) a última página de um PDF automaticamente? OS é Linux.
Eu posso extraí-lo usando o ghostscript, com algo como gs -dFirstPage=5 -dLastPage=5 , mas eu preciso automatizar isso, não posso acessar manualmente e descobrir qual é o número da última página.
Alguma idéia?
Editar: para esclarecer, eu simplesmente quero dividir / excluir a última página. Não a imagem, exclua o último período da página.
Como @Daniel Andersson já comentou, isso pode ser feito facilmente com pdftk :
pdftk input.pdf cat end-1 output temp.pdf
pdftk temp.pdf cat end-2 output output.pdf
rm temp.pdf
Eu não sei se isso pode ser feito com uma chamada para pdftk embora ...
Editar : você pode combiná-lo com a resposta do thanosk e usar (no bash):
pdftk input.pdf cat 1-$((last-1)) output output.pdf
quando você já extraiu a última página para a variável $last .
Para melhorar ainda mais a resposta do @ eldering, a versão 1.45 do pdftk e mais tarde têm os meios para fazer referência a páginas na ordem inversa, colocando a letra minúscula r no número da página. A última página em um PDF é r1, a penúltima página é r2, etc.
Por exemplo, a única chamada pdftk:
pdftk input.pdf cat 1-r2 output output.pdf
irá eliminar a página final de input.pdf - a entrada deve ter pelo menos duas páginas.
Para extrair apenas a página final de um PDF para testar seu tamanho de arquivo, execute:
pdftk input.pdf cat r1 output final_page.pdf
O Pdftk está disponível no Linux. Muitas distros têm um binário que você pode instalar. Você deve se certificar de que é a versão 1.45 ou posterior, no entanto. Se não, você pode construir o pdftk a partir do código-fonte.
pdfinfo lhe dará o tamanho do arquivo pdf atual, e pdfimages lhe dará um índice das imagens no dito arquivo pdf. Então você pode escrever um script no formulário
#!/bin/bash
for i in *.pdf
do
j=$(pdfinfo "$i" |awk '/^Pages/ { print $2}')
pdfimages -list -p -f "$j" "$i"
done
que deve retornar se um determinado arquivo tiver uma imagem na última página. Se isso acontecer, então você pode fazer qualquer manipulação que você precise fazer.
Aqui está uma solução usando o pdfjam em vez do pdftk:
#!/bin/sh
fname='basename $1'
pdfjam $1 1-$(('pdfinfo $1 | grep Pages | grep -shoPe '\d+'' - ${2:-1})) -o ${fname%.*}-trimmed.pdf
Onde o primeiro argumento é o arquivo a aparar e o segundo argumento a quantidade de páginas a serem aparadas (o padrão é 1).
Uma solução de um liner seria usar find ao longo de pdftk :
find . -name "*.pdf" -exec pdftk {} cat 1-r2 output cut/{} \;
OBSERVAÇÃO : os arquivos cortados são armazenados neste exemplo em um subdiretório chamado cut para manter o nome do arquivo original, pois pdftk não permite a substituição de arquivos de entrada.