使用 PoDoFo 或其他任何开源的 PDF 预检程序？ [关闭]

Posted 2023-02-27

【中文标题】使用 PoDoFo 或其他任何开源的 PDF 预检程序？ [关闭]

【英文标题】：Preflight program for PDFs using PoDoFo or anything else open source? [closed]

【发布时间】：2012-09-21 13:59:42

【问题描述】：

我必须自动对 PDF 文档进行预检。预检包括：

检测现有文档中图像的分辨率，如果它们尚未达到该分辨率，则将其更改为 300dpi。 检测图像的色彩空间，如果不是 CMYK，则使用颜色配置文件将它们转换为 CMYK。 检测现有 PDF 文档中是否嵌入了字体，并通过替换字体来解决此问题。 （或绘制字体轮廓——我不确定这部分）。

只是想知道这是否可以使用 PoDoFo 或任何其他开源项目来完成。或者，如果我真的需要在 2000 美元到 6000 美元之间订购一些合适的软件。我的托管环境在 Linux 上，支持 php、Perl、Python、Ruby、Java。

有什么想法吗？

【参考方案1】：

我不知道有任何现成的开源软件可以满足您的要求。

编写自己的shell脚本（或其他程序）只能解决一部分问题。

检测图像的分辨率。

运行 pdfimages -list some.pdf 以输出 PDF 中包含的图像列表以及它们的尺寸......看起来。但并不明显的是：这些尺寸是原始图像的尺寸（嵌入在 PDF 中）。这可能是 720x720 像素。但是，如果渲染到页面的 10x10 平方英寸，则此图像在页面上的 DPI 为 72。如果在 1x1 英寸的正方形上渲染，它将是 720 DPI。 PDF 中的两种“渲染”类型都可以从同一个嵌入的原始图像中进行，而当前“图形状态”的上下文决定了应用哪种类型。因此，要确定页面上显示的图像的实际 DPI，需要进行一些额外的 PDF 解析...

在任何情况下，您都可以告诉 Ghostscript 将图像重新采样到 300 dpi，并为此使用“阈值”。 （Ghostscript 永远不会对图像进行“上采样”，只会对超出阈值的图像进行下采样。上采样几乎没有任何意义——它只会扩大文件大小，而不会带来更高质量的回报。）

使用 ICC 配置文件将颜色转换为色彩空间 CMYK。

Ghostscript can do that 的最新版本。另请参阅描述其对 ICC 的支持的 most recent Ghostscript documentation。

嵌入非嵌入字体。

运行pdffonts some.pdf（并评估其结果）将显示哪些字体未嵌入。

Ghostscript 可以embed un-embedded fonts.

所以一个可以满足您大部分需求的 Ghostscript 命令是：

gs                                     \
  -o cmyk.pdf                          \
  -sDEVICE=pdfwrite                    \
  -sColorConversionStrategy=CMYK       \
  -sProcessColorModel=DeviceCMYK       \
  -sOutputICCProfile=/path/to/your.icc \
  -sColorImageDownsampleThreshold=2    \
  -sColorImageDownsampleType=Bicubic   \
  -sColorImageResolution=300           \
  -sGrayImageDownsampleThreshold=2     \
  -sGrayImageDownsampleType=Bicubic    \
  -sGrayImageResolution=300            \
  -sMonoImageDownsampleThreshold=2     \
  -sMonoImageDownsampleType=Bicubic    \
  -sMonoImageResolution=1200           \
  -dSubsetFonts=true                   \
  -dEmbedAllFonts=true                 \
  -sCannotEmbedFontPolicy=Error        \
  -c ".setpdfwrite<</NeverEmbed[ ]>> setdistillerparams" \
  -f some.pdf

此命令将对分辨率高于两倍所需分辨率 (*ImageDownSampleThreshold=2) 的所有图像进行下采样。它还将所有这些设置应用于任何输入文件（除非某些特殊的 PDF 预检软件会根据特殊属性的“检查”结果应用选择性“修复”）。

最后，我看不出是什么让您认为您必须花费 2000 至 6000 美元，以防您不得不求助于闭源的商业预检软件。 _{（我在这个领域最喜欢的是非常强大的callas pdfToolbox6（它甚至还有一个在 Linux 上作为 CLI 运行的版本）——它的基本版本需要 500 欧元。）}

【讨论】：

为什么非常感谢您提供这些信息！我会试试看！至于闭源，我实际上也指的是 Callas。但是我需要的版本是适用于 unix 的 pdfToolbox CLI - 正如一位经销商告诉我的：“Pdf Toolbox Server CLI（8 Instances）包括第一年的 SMA 是 Euro4,798.8”，这使得它超过了 6000 美元！也许我需要回去问一个实例..

【参考方案2】：

我的背景是印刷，所以在阅读我的回答时请记住这一点。您提议的项目似乎有些直截了当，但当您深入了解其中的细节时，这些操作中包含大量印刷行业知识。

以下是对您的要点的一些快速反馈：

您不希望将低分辨率图像上采样到 300 dpi，因为它会降低图像质量（通过重新插值）并增加文件大小。

您需要小心颜色转换。您可能只想将某些 RGB 版本转换为黑色。或者，如果有人提供的文件已经是 cmyk 并且标记有错误的配置文件，会发生什么情况。

字体检测 - 替换字体非常复杂。如果您没有与原始字体完全相同的字体，则最终可能会出现文本重排问题。要拥有该字体，您必须支付许可证费用。您也不能在没有嵌入字体的情况下将字体转换为轮廓。

我的建议是查看用于预检的商业包。这些开发人员已投入数年时间来开发他们的程序，并且是印刷领域的专家。具有挑战性的部分将是在您的价格范围内找到那些是 unix 的。大多数都是为 Windows 或 Mac 设计的。 Callas 有一个 linux cl 版本，但没有列出的价格。您需要服务器版本。

您打算运行哪种类型的卷？

【讨论】：

谢谢。我也一直在查看来自 Qoppa 软件的Jfpdfprocess（使用他们的 API 大约需要 1300 美元）、Apago Inc's PDF Enhancer（CLI 服务器版本为 2K）、PDFLib、Enfocus Pit Stop Server（4000 美元）和PStill使用 PDFCheck。我们的计划是建立一个适当的 web2print 商店，提供数千种设计供用户定制。它将被大量使用。

我确实需要一个 linux CLI 版本，因为我们计划自动化预检，而不是手动处理它们。

【参考方案3】：

您是否尝试过 Enfocus PitStop Pro？根据您的具体要求联系他们的支持部门。他们有大量 PDF preflight 示例，很乐意为您提供帮助。

【讨论】：

您能否添加更多有关此应用程序的信息？它解决了 OP 需求，它是专有的还是开源的？