爲什麼會尋找這些工具?

2014寒假某天,我收到一封 email ,朋友找我抽空幫忙下載「古本金瓶梅一百回」,有時間再處理成單頁單面 PDF 。進入網站傻眼了,600+ 個影印 pdf (其实是一堆 jpg ),先 google 了一些批量下載方法,最終用 wget 命令勉強完成了下載工作(關於 wget 批量下載,下次再細談)。每個文檔都類似這樣:

金瓶梅

我將600多個 jpg 合併爲兩個 pdf 文檔後,開始尋找合適的分割工具。
(事後回想,我完全可以批量分割後再合併爲 pdf ,豈不更快?)

找到的相關工具

1、a-pdf page cut

可批量處理 split pdf pages in half ,操作運行速度較快,也有人認爲其相當於將另一半遮擋處理。

適用平臺:windows

需要注意的是,很多中文古籍原文爲右起翻頁,而此工具處理後默認從左文檔起排列。因此,需要先將待分割內容整體逆時針旋轉九十度,再分割,最後順時針旋轉九十度。

官方網頁有具體操作 step 解釋。

經過若干次對比,我選擇了這個工具。

2、adobe acrobat

adobe acrobat (不是 adobe reader)是 adobe 系列產品之一,官方有試用版本,其「打印」功能可通過設置「平鋪百分比」達到「分割」效果。

手動調節百分比時可以看到右側預覽效果,使得分割線與影印文檔中線接近即可。

缺點:adobe acrobat 一次操作太多,會很慢,甚至電腦卡機。(如果你的電腦優化不行或很容易死機,在處理時通過設置處理頁面號碼,多次操作)

對古籍分割不友好,分割後,原來的兩面一頁前後順序顛倒。我開始用這個工具分割上面的影印古籍時,就被坑得挺慘。我天真地以爲先將原文檔旋轉一次,再分割會達到預期效果,但它是個「死腦筋」,還是順序顛倒。

操作方法

關於 acrobat 插件「海森堡」,我已無力常識,有時間再折騰。

3、PyPDF2

準備:

a.用到 python 的 pypdf2 庫,下載後解壓縮進入文件夾,使用命令 python setup.py install 將該模塊裝入系統。

b.下載腳本文件c2s,用 chmod +x c2s 修改其權限可執行。

使用:
cd 到待處理文件所在地址,再./c2s dst.pdf 執行(src.pdf 是待處理文件的名稱,dst.pdf 是處理後新文件名稱)

要求: mac 平臺;Python 2.7.8

問題:python 在 linux 應該可以執行的,但我如此執行後的新文件都無法打開,查看文件內無字節。難道是因爲我的 python 版本是2.7.6原因?

原鏈接

4、scantailor

基於 C++ 的跨平臺工具,用來處理圖片 pdf ,可以切分掃描頁、傾斜校正、邊框修正。

4.1安裝使用

window 系統中直接下載該工具安裝使用。

ubuntu 系統中安裝:
前期準備:scantailor 運行環境需要,安裝如下:

libjpeg: apt-get install libjpeg62-dev (any -v)

zlib: apt-get install zlib1g-dev (any -v)

libpng: apt-get install libpng12-dev (any -v)

libtiff: apt-get install libtiff4-dev (any -v)

libboost: apt-get install libboost1.55-all-dev (>=1.35 -v,經安裝測試,1.40安裝失敗)

libxrender: apt-get install libxrender-dev (any -v)

cmake: apt-get install cmake

安裝時都不能出現 error 提醒,否則後面無法安裝

4.2安裝 scantailor

cd 到 scantailor 文件夾,執行 cmake .,以 - configuring done 結束,
繼續 make and sudo make install

4.3打開 scantailor
alt+F2 ,輸入 scantailor 運行會看到如下界面:

scantailor

操作視頻

scantailor 下載

三個平臺安裝教程

2015-09-01 13:33
Comments
Write a Comment