从PDF文件中提取CropBox作为MediaBox，并保留原始字体
我试图在这里找到答案并使用GhosScript，但没有成功。
所以，我有一个PDF文件与CropBox和MediaBox定义。CropBox/MediaBox比率在页面之间不同（尤其是在标题页和文档的其余部分之间）。我想要实现的是从每个页面提取CropBox，并用它的MediaBox eqal到CropBox呈现新的PDF。基本上，我想修剪所有的页面到Cropbox，并有MediaBox平等到这个CropBox在每一页。
我可以使用ghostscript或任何其他命令行工具来完成吗？
编辑
我终于设法用Ghostscript实现了这一点：
gs-dUseCropBox-dNOPAUSE-sDEVICE=pdfwrite-sOutputFile=out。pdf格式。pdf
但在转换过程中，我会收到如下信息：
第74页将字体Helvetica替换为KAENAW Helvetica
这是否意味着对于简单的裁剪操作，我确实需要在我的系统中安装原始pdf使用的所有字体？这是鬼剧本的工作原理吗？我想，pdf不需要被“重新渲染”，但这将是对内部维度数据的一些操作。
共有1个答案
如果没有看到你的档案，就不可能确定发生了什么。
最有可能的是，您的原始文件不包含Helvetica的嵌入副本（尽管作为其子集，它当然应该包含！）。PDF文件不允许包含'base 14'字体，其中包括Helvetica，您的文件可能不包含，因此Ghostscript使用其自己版本的Helvetica，这是当缺少base 14字体时应该发生的情况，您可以将其删除，因为所有PDF用户都保证拥有它们。
Ghostscript的pdfwrite设备不会（通常也有例外）呈现PDF文件，但EmbeddeAllFonts的默认设置是true，因此pdfwrite设备将使用自己的副本在其创建的PDF文件中嵌入Helvetica的副本。
如果你把文件贴在某个地方，我可以看一下。您还应该确保使用的是Gho stscript的当前版本。
-
问题内容： 我正在尝试使用Python 2.7.1（在Windows上，fyi）从zip文件中提取文件，而我的每一次尝试都显示了具有Modified Date =提取时间的提取文件（不正确）。 我也尝试使用.extractall方法，结果相同。 谁能告诉我我在做什么错？ 我想认为这是可能的，而不必重新校正每个[Windows文件的文件创建日期？](http://codingdict.com/que
-
我想将至少2个PDF文件合并为一个，同时保留原始PDF中的所有表单元素。表单元素包括文本字段、单选按钮、复选框、下拉菜单等。请查看此示例PDF文件的表单： 你能做到吗？ 编辑：至于实现，我更希望在linux平台上使用开源工具（如'ghostscript'或任何其他您认为适合解决此任务的工具）的命令行解决方案。 当然，欢迎每个人提供解决这个问题的任何工作解决方案，包括一个编码解决方案，它涉及编写一个
-
我正在尝试在xml文件中写入一些我迄今为止创建的很好的概要文件, 输入字符串为ProfilesList(0)=“45 65 67”ProfilesList(1)=“ProfileName”； 在xml文件中,配置文件是这样写的： ？XML Version=“1.0”encoding=“UTF-8”？profilesgroup xmlns:xsi=“http://www.w3.org/2001/xm
-
我有一些pdf文件，使用pdfbox我已经将它们转换为文本并存储到文本文件中，现在我要从文本文件中删除它们 超链接 我希望按如下方式逐行获取有效文本： 我们提出了一种从纯文本中提取的多词概念词进行本体学习的方法OntoGain。OntoGain遵循一个由不同处理层定义的本体学习过程。在普通术语提取的基础上，通过对提取的概念进行聚类，形成概念层次结构。然后，衍生术语“分类法”将丰富非分类关系。已经研
-
在python代码中，如何有效地将pdf中的某个页面保存为jpeg文件？（用例：我有一个python烧瓶Web服务器，其中pdf-s将被上传，每个页面对应的jpeg-s是存储的。） 这个解决方案很接近，但问题是它无法将整个页面转换为jpeg。
-
问题内容： 我正在尝试使用提取此 PDF文件中包含的文本。 我正在使用PyPDF2模块，并具有以下脚本： 运行代码时，得到以下输出，该输出与PDF文档中包含的输出不同： 如何提取PDF文档中的文本？ 问题答案： 要从PDF提取文本，请使用以下代码