Как удалить все изображения из PDF?

Я хочу удалить все изображения из PDF-файла.

макеты страниц не должны меняться. Все изображения должны быть заменены пустым пространством.

  • как это может быть достигнуто с помощью Ghostscript и соответствующего кода PostScript?

2 ответов


между тем последние версии Ghostscript имеют гораздо более приятный и простой в использовании метод удаления всех изображений из PDF. Параметр для добавления в командную строку --dFILTERIMAGE

 gs -o noimages.pdf -sDEVICE=pdfwrite -dFILTERIMAGE input.pdf

еще лучше, вы также можете удалить весь текст или все векторные элементы рисования из PDF, указав -dFILTERTEXT или -dFILTERVECTOR.

конечно, вы также можете комбинировать любые сочетания этих -dFILTER* параметры для достижения необходимого результата. (Объединяя все три воли конечно, результат в "пустых" страницах.)

вот скриншот из примера страницы PDF, которая содержит все 3 типа контента, упомянутых выше:


скриншот оригинальной страницы PDF содержит элементы" изображение"," вектор "и" текст".
Screenshot of original PDF page containing "image", "vector" and "text" elements.


выполнение следующих 6 команд создаст все 6 возможных вариантов оставшегося содержимого:

 gs -o noIMG.pdf   -sDEVICE=pdfwrite -dFILTERIMAGE                input.pdf
 gs -o noTXT.pdf   -sDEVICE=pdfwrite -dFILTERTEXT                 input.pdf
 gs -o noVCT.pdf   -sDEVICE=pdfwrite -dFILTERVECTOR               input.pdf

 gs -o onlyTXT.pdf -sDEVICE=pdfwrite -dFILTERVECTOR -dFILTERIMAGE input.pdf 
 gs -o onlyIMG.pdf -sDEVICE=pdfwrite -dFILTERVECTOR -dFILTERTEXT  input.pdf
 gs -o onlyVCT.pdf -sDEVICE=pdfwrite -dFILTERIMAGE  -dFILTERTEXT  input.pdf

следующий изображение иллюстрирует результаты:


верхний ряд, слева: весь" текст "удален; все" изображения "удалены; все" векторы " удалены. нижний ряд, слева: сохранен только "текст"; сохранены только "изображения"; сохранены только "векторы".
Top row, from left: all "text" removed; all "images" removed; all "vectors" removed. Bottom row, from left: only "text" kept; only "images" kept; only "vectors" kept.



Я сам ставлю ответ, но фактический код любезно предоставлен Крис Лидделл, разработчик Ghostscript.

я использовал его исходный код PostScript и лишил его других функций. Только функция, которая удаляет растровые изображения остается. Другие графические объекты страницы-текстовые разделы, шаблоны и векторные объекты-должны оставаться нетронутыми.

скопируйте следующий код и сохраните его как remove-images.ps:

%!PS

% Run as:
%
%      gs ..... -dFILTERIMAGE -dDELAYBIND -dWRITESYSTEMDICT \
%                 ..... remove-images.ps <your-input-file>
%
% derived from Chris Liddell's original 'filter-obs.ps' script
% Adapted by @pdfkungfoo (on Twitter)

currentglobal true setglobal

32 dict begin

/debugprint     { systemdict /DUMPDEBUG .knownget { {print flush} if} 
                {pop} ifelse } bind def

/pushnulldevice {
  systemdict exch .knownget not
  {
    //false
  } if

  {
    gsave
    matrix currentmatrix
    nulldevice
    setmatrix
  } if
} bind def

/popnulldevice {
  systemdict exch .knownget not
  {
    //false
  } if
  {
    % this is hacky - some operators clear the current point
    % i.e.
    { currentpoint } stopped
    { grestore }
    { grestore moveto} ifelse
  } if
} bind def

/sgd {systemdict exch get def} bind def

systemdict begin

/_image /image sgd
/_imagemask /imagemask sgd
/_colorimage /colorimage sgd

/image {
   (\nIMAGE\n) //debugprint exec /FILTERIMAGE //pushnulldevice exec
  _image
  /FILTERIMAGE //popnulldevice exec
} bind def

/imagemask
{
  (\nIMAGEMASK\n) //debugprint exec
  /FILTERIMAGE //pushnulldevice exec
  _imagemask
  /FILTERIMAGE //popnulldevice exec
} bind def

/colorimage
{
  (\nCOLORIMAGE\n) //debugprint exec
  /FILTERIMAGE //pushnulldevice exec
  _colorimage
  /FILTERIMAGE //popnulldevice exec
} bind def

end
end

.bindnow

setglobal

Теперь выполните следующую команду:

gs -o no-more-images-in-sample.pdf \
   -sDEVICE=pdfwrite               \
   -dFILTERIMAGE                   \
   -dDELAYBIND                     \
   -dWRITESYSTEMDICT               \
    remove-images.ps               \
    sample.pdf

я протестировал код с официальной спецификацией PDF, и это сработало. Следующие два скриншота показывают страницу 750 входных и выходных PDF-файлов:

Если вам интересно, почему-то, что выглядит как изображение на выходном страницы: на самом деле это не растровое изображение, а 'pattern' в исходном файле, и поэтому он не удаляется.