2010-10-11 22:37:05 
阿炯
pdf是我们生活中极为常见的文档格式，但在有些情况下却需要与其它格式进行互相转换，而Pdftk就是这样一个简单的工具，可以对PDF文档进行各种日常操作，Pdftk可以让你简单而自由地操作PDF，它不需要Acrobat，并且可以运行在 Linux、Windows、Mac OS X、 FreeBSD和Solaris之上。
在Debian/Ubuntu中你可以通过apt安装pdftk:
$ sudo aptitude install pdftk
示例:
将两个或更多个PDF合并成一个新文档
$ pdftk 1.pdf 2.pdf 3.pdf cat output 123.pdf
或者 (使用句柄):
$ pdftk A=1.pdf B=2.pdf cat A B output 12.pdf
或者 (使用通配符):
$ pdftk *.pdf cat output combined.pdf
将多个PDF中选定的页面分离出来并形成一个新文档
$ pdftk A=one.pdf B=two.pdf cat A1-7 B1-5 A8 output combined.pdf
将PDF的第一页顺时针旋转90度
$ pdftk in.pdf cat 1E 2-end output out.pdf
将整个PDF文档的页面旋转180度
$ pdftk in.pdf cat 1-endS output out.pdf
用128位强度(默认)对一个PDF进行加密，保留所有权利(默认)
$ pdftk mydoc.pdf output mydoc.128.pdf owner_pw foopass
同上，唯一例外的是需要密码才能打开这个PDF
$ pdftk mydoc.pdf output mydoc.128.pdf owner_pw foo user_pw baz
同上，例外的是允许打印(在PDF被打开以后)
$ pdftk mydoc.pdf output mydoc.128.pdf owner_pw foo user_pw baz allow printing
加密一个PDF
$ pdftk secured.pdf input_pw foopass output unsecured.pdf
合并两个文件，其中一个是加密的 (输出是不加密的)
$ pdftk A=secured.pdf mydoc.pdf input_pw A=foopass cat output combined.pdf
解压PDF页面流，以便可以在文本编辑器中编辑PDF代码
$ pdftk mydoc.pdf output mydoc.clear.pdf uncompress
修复一个PDF被破坏的XREF表和流长度 (如果可能的话)
$ pdftk broken.pdf output fixed.pdf
将单个PDF文档拆分成一个个页面，并且将相关数据报告到doc_data.txt
$ pdftk mydoc.pdf burst
报告PDF文档的元数据、书签和页面标签
$ pdftk mydoc.pdf dump_data output report.txt
Poppler是一个基于xpdf-3.0代码基础的PDF渲染库。 Poppler-utils软件包包括了pdftops (PDF到Postscript的转换器), pdfinfo (PDF文档信息提取器), pdfimages (PDF图像提取器), pdftohtml (PDF到HTML的转换器), pdftotext (PDF到text的转换器), 以及pdffonts (PDF字体分析器)。
Debian/Ubuntu用户可以通过apt安装poppler:
$ sudo aptitude install poppler-utils
转换PDF到TEXT
Pdftotext将可移植文档格式(PDF)文件转换成纯文本。
$ pdftotext example.pdf example.txt
如果文本文件未指定, pdftotext将file.pdf转换成file.txt。如果文本文件是 ´-’，则文本会被送到标准输出。
转换第3到7页(包括3和7)使用:
$ pdftotext -f 3 -l 7 example.pdf example.txt
只提取第3页
$ pdftotext -f 3 -l 3 example.pdf example.txt
$ pdftotext -layout example.pdf example.txt
上面的命令可以维持原始的物理布局并按阅读顺序输出文本。如果不想插入页面分隔符你可以设置-nopgbrk选项。如果PDF文件有密码保护，可以设置-opw (拥有者密码)或者-upw (用户密码)选项。
从PDF提取图像
Pdfimages从可移植文档格式(PDF)文件中提取图片，保存为可移植像素图(PPM), 可移植位图(PBM), 或者JPEG文件。
Pdfimages读取PDF文件，扫描一个或多个页面，并将每一个图像写入一个名为image-root-nnn.xxx的PPM、PBM或者JPEG文件，其中nnn是图像编号，xxx是图像类型(.ppm, .pbm, .jpg)。
Pdfimages从PDF文件提取原始图像数据，不做任何额外的变化。任何PDF内容流里的旋转，剪切，颜色反转等动作都被忽略。
$ pfdimages example.pdf exampleimage
上面这个命令会从example.pdf提取所有的图像。图像会被保存为PPM格式。
使用-j选项将图像保存为JPG格式
$ pfdimages -j example.pdf exampleimage
使用-f和-l选项制定起始页和结束页。为了扫描第3至7页(包括3和7)使用：
$ pfdimages -f 3 -l 7 example.pdf exampleimage
只扫描指定的某一页使用:
$ pfdimages -f 3 -l 3 example.pdf exampleimage
如果PDF文件有密码保护使用-opw和-upw选项:
-opw 拥有着密码
-upw 用户密码
转换PDF到HTML
pdftohtml是一个将pdf文档转换成html的程序。它在当前工作目录中产生输出。
用法:
$ pdftohtml file.pdf file.html
如果你想要看到图形，需要使用 -c (也就是“complex”) 选项:
$ pdftohtml -c file.pdf file.html
转换PDF到图像
首先你的机器上必须已经安装 ImageMagick。
要在Debian/Ubuntu上安装ImageMagick可以运行下面的命令：
$ sudo aptitude install imagemagick
要将 pdf 文件转换成图像使用‘convert‘ 命令:
$ convert doc.pdf doc.jpeg
转换成 tiff
$ convert doc.pdf doc.tiff
当然也有其它pdf处理工具
使用'ImageMagick'将PDF转为JPG
安装一个软件ImageMagick：
# sudo apt-get install imageMagick
# convert XXX.pdf XXX.jpg
这样XXX.pdf 就转换成了一大堆的XXX-*.jpg，一页一张JPG。
如果想清晰些(实验中)：
# convert -verbose -colorspace RGB -resize 1800 -interlace none -density 300 -quality 100 XXX.pdf XXX.jpg
用'poppler'将pdf转txt
我们要用poppler来做，它是系统自带的，先加一个中文支持：
# sudo apt-get install poppler-data
# pdftotext -layout -nopgbrk XXX.pdf
因为pdftotext不支持同时处理多个 pdf，所以用批处理要脚本搞定，打开终端，进入放置 pdf 的目录，运行下面命令：
find ./ -name '*.pdf' | while read i; do pdftotext -layout -nopgbrk $i; done
很快就在当前目录下输出很多 txt 文件，“-layout”参数表示保留页面布局，“-nopgbrk”表示不输出换行符，自己对比一下就知道区别了。