====== Manipulations de fichiers PDF ======

Page créée le 29 mars 2023

Manipulation de fichiers pdf en ligne de commande, par exemple pour des traitements par lots. Il existe de nombreux utilitaires sous linux dont les fonctions sont parfois identiques. Cette page présente différents exemples d'utilisation qui nous ont été utiles au fil du temps!

Le paquet [[https://manpages.debian.org/bookworm/poppler-utils/index.html|poppler-utils]] comprend plusieurs utilitaires dont **pdfseparate, pdffonts, pdfattach, pdfunite**, etc. \\

**pdfjam** fait partie du paquet [[https://manpages.debian.org/bookworm/texlive-extra-utils/index.html|texlive-extra-utils]], et permet d'utiliser les fonctions de pdfpages pour LaTeX. «//pdfjam is a shell-script front end to the LaTeX 'pdfpages' package//»
  * https://github.com/pdfjam/pdfjam
  * doc pdfpages : https://mirror.ibcp.fr/pub/CTAN/macros/latex/contrib/pdfpages/pdfpages.pdf

  pdfjam --help
  
**ghostscript**\\
  * https://manpages.debian.org/bookworm/ghostscript/gs.1.en.html

**Autres logiciels utiles**
  * **pdfposter** (https://pdfposter.readthedocs.io/en/stable/) à installer avec ''sudo apt install pdfposter''
  * PDFtk (basé sur java) https://www.pdflabs.com/tools/pdftk-the-pdf-toolkit/
  * PDFsam (basé sur java) https://pdfsam.org/ (interface graphique, payant)
  * PSPDFUtils (basé sur python) https://pypi.org/project/pspdfutils/
  * masterpdfeditor https://code-industry.net/free-pdf-editor/
===== Extraire des feuillets d'un document pdf =====

**Extraire toutes les pages**
  pdfseparate -f 1 document.pdf pages_%d.pdf

**Extraire la page 3**
  pdfseparate -f 3 -l 3 document.pdf page3.pdf
**-f** (first) : première page à extraire \\
**-l** (last) : dernière page à extraire

**Extraire une page et l'enregistrer en pdf dans un autre format**
<code bash>
#!/bin/bash

mkdir -p output
PAGES=$(pdfinfo document.pdf | awk '/Pages:/ {print $2}')
for i in $(seq 1 $PAGES); do
    pdfjam document.pdf "$i" --papersize '{297mm,420mm}' --outfile output/page_$i.pdf
done
</code>

===== Recomposer un document pdf à partir de pages extraites d'un autre document =====

  pdfjam doc1.pdf 1,3,5,7,9,11,13,15,17,19 doc2.pdf 7,11,17,19 --outfile doc_montage.pdf
  
Pour forcer en paysage

  pdfjam doc1.pdf 1,3,5 doc2.pdf 1,9 --landscape --outfile doc_montage.pdf

===== Divers =====

====Ajouter un fond perdu====

En anglais, fond perdu = //bleed// \\
La commande suivante ajoute un fond perdu de 3mm sur chaque côté d'une page A5 (148x210mm), un cadre entoure la page originale (''--frame true''), les fichiers //embedded// sont conservés.
  pdfjam --scale 1.0 --frame true --noautoscale true --papersize '{154mm,216mm}' -o document.pdf document_avec_fond_perdu.pdf
**--frame true** : cadre noir autour de la page originale

==== Posters ====

**Comment découper un pdf au format A1 en 4 morceaux format A3 ?**
  # 20251013 Debian 12 @ tenko 
  # sudo apt install pdfposter
  pdfposter -mA3 -pA1 input.pdf output.pdf

**Agrandir un format A4 en 4 morceaux format A3**
  # UNTESTED
  pdfposter -mA3 -pA4 -x2 -y2 input.pdf output.pdf
  
==== Remontage ====

**Passer de 12 pages A4 paysage à 6 pages A3 portraits**
  pdfjam input_A4.pdf --nup 1x2 --paper a3paper --noautoscale true --outfile output_A3.pdf

**12 pages A4 portrait vers 6 pages A3 paysage**
  pdfjam input_A4.pdf --nup 2x1 --landscape --paper a3paper --outfile montage_A3.pdf
==== Convertir au format de papier A4 ====

Un pdf réalisé avec convert (par exemple) ne sera pas forcèment dans un format imprimable facilement.

  pdfjam --outfile out.pdf --paper a4paper in.pdf
  pdfjam --paper a4paper --outfile out.pdf --landscape in.pdf
====Ajouter des pages vides ====

  pdfjam document.pdf '1-111,{}' -o document_complet.pdf

Ici, une page vide est ajoutée après la page 111 du document original, on peut moduler (par ex. '1,{},3-4,{},5-' ) cf. https://equa.space/notes/pdfjam/
====Infos sur les polices d'un document====

  pdffonts document.pdf
Ces infos permettent de savoir si le fichier de fonte est intégré (//embedded//) dans le fichier pdf, son type, etc. cf. doc [[https://manpages.debian.org/testing/poppler-utils/pdffonts.1.en.html|pdffonts]] 

====Optimiser un pdf pour réduire la taille du fichier (avec ghostscript)====

  gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dEncodeColorImages=false -dNOPAUSE -dQUIET -dBATCH -sOutputFile=optimized.pdf document.pdf
**-dEncodeColorImages=false** : ne pas réencoder les images JPEG \\
Si on souhaite qu'aucune modification ne soit appliquée aux images on peut ajouter ([[https://superuser.com/a/373740|source]]) : 
<code>
  -dColorConversionStrategy=/LeaveColorUnchanged \
  -dEncodeColorImages=false \
  -dEncodeGrayImages=false \
  -dEncodeMonoImages=false \
</code>

[[ressource:logiciel:imagemagick:start#petits_trucs_pratiques|Autre solution avec imagemagick]]
==== Lister toutes les images d'un pdf ====

Avec leurs caractéristiques (colorspace, width, height, x-ppi, y-ppi, etc.)
  pdfimages -list document.pdf

==== Extraire toutes les images d'un pdf ====

  pdfimages -all document.pdf /chemin/absolu/racine
**-all** : conserver les formats d'origine 

Il faut __absolument__ indiquer un chemin absolu valide!

==== Conversion de profil de couleur ====

(KO par abandon) 

On dirait bien que c'est un sujet complexe... Avec imagemagick on peut obtenir des informations sur le profil icc utilisé :
  identify -format '%[colorspace]' document.pdf
Mais d'autres lectures indiquent que chaque élément d'un pdf peuvent avoir des profils associés différents.\\
Pour une conversion en CMJN, je fais un essai avec
  gs -o document_cmjn.pdf -sDEVICE=pdfwrite -sProcessColorModel=DeviceCMYK -sColorConversionStrategy=CMYK -sColorConversionStrategyForImages=CMYK document.pdf 
Mais identify le détecte toujours comme du sRGB ... \\
En revanche avec ''pdfimages -list document_cmjn.pdf'' on peut voir que les images sont bien reconnues comme étant en CMJN

Test avec ghostscript et un profil ICC
  gs -o test_fogra.pdf -sDEVICE=pdfwrite -dOverrideICC=true -sOutputICCProfile=Coated_Fogra39L_VIGC_300.icc -sColorConversionStrategy=CMYK -sColorConversionStrategyForImages=CMYK -dProcessColorModel=/DeviceCMYK -dRenderIntent=3 -dDeviceGrayToK=true document.pdf

Mais ghostscript transforme toutes les images en JPEG... \\
nb : un pdf ne peut pas contenir d'iamges au format PNG.

Je laisse tomber pour cette fois

==== Reconnaissance de caractères ====

Avec [[ressource:logiciel:tesseract:start|Tesseract]]

==== Convertir un pdf en image et vice-versa ====

Avec [[ressource:logiciel:imagemagick:start|Imagemagick]]
===== Ressources =====

Télécharger des profils de couleur (dont Fogra39) : https://www.color.org/registry/index.xalter