Manipulations de fichiers PDF [WIKI Les Portes Logiques]

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== 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**
  * 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

===== 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

==== 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