PDF Tools

pdfmark is a PostScript operator that allows for the inclusion of PDFfeatures when the PostScript file is converted to PDF.

使用 pdfmark 可以为 pdf 文件添加书签、Annotations 等。表 1 是 pdfmark 的一些基本功能。

pdfmark 操作符的基本格式如下：

[ any_1 ... any_n feature pdfmark

参考：
pdfmark Reference
Chapter 6 pdfmark Primer

pdftk，官方网站：http://www.pdflabs.com/tools/pdftk-the-pdf-toolkit/

pdftk 可以将多个 PDF 文件合并成一个文件。比如下面的例子：

$ pdftk 1.pdf 2.pdf 3.pdf cat output 123.pdf

或者使用文件句柄：

$ pdftk A=1.pdf B=2.pdf cat A B output 12.pdf

下面的例子使用了文件通配符：

$ pdftk *.pdf cat output combined.pdf

下面的例子将多个文件的多页提取出来生成一个新的 PDF 文件：

$ pdftk A=one.pdf B=two.pdf cat A1-7 B1-5 A8 output combined.pdf

pdftk 可以随意删除或旋转页面。下面是一个把指定页码的页面移出 pdf 文档的示例。

$ pdftk new.pdf cat 1-96 98-end output new1.pdf

新生成的 new1.pdf 文档不包含页码为 97 的页面。cat 选项后跟的参数用以指定页码范围和页面方向的限定条件。1-96 表示从 1 到 96 页，98-end 表示从 98 页至文档末尾。所以输出的新 pdf 文档不包含页码为 97 的页面。
除了示例中的具体数值，还可使用一些限定字符。odd 和 even 表示奇偶页码。N、S、E、W、L、R、D 表示文档版面的旋转角度（N: 0，E: 90，S: 180，W: 270，L: -90，R: +90，D: +180）。
如：1-6odd 表示 1，3，5；
1-6even 表示 2，4，6；
1-endE 表示整篇文档所有页面都旋转 90 度。
90 度旋转 PDF 文件的第一页：

$ pdftk in.pdf cat 1E 2-end output out.pdf

旋转整个文档 180 度：

$ pdftk in.pdf cat 1-endS out.pdf

折分文档，将 PDF 文件的每一页输出成一个 PDF 文件，输出文件默认命名为 pg\_0001.pdf pg\_0002.pdf 等等：

$ pdftk in.pdf burst

也可以指定输出文件名，比如下面的例子：

$ pdftk in.pdf burst output page_%1d.pdf

使用 pdftk 把元数据保存到 report.txt 中：

$ pdftk input.pdf dump_data_utf8 output report.txt

修改 report.txt 后，可以更新元数据到 pdf 中

$ pdftk input.pdf update_info_utf8 report.txt  output result.pdf

注：尽管查看元数据时，能导出书签等信息，但是更新元数据仅能更新 InfoKey 对应的 InfoValue 的值，不能更新书签相关信息！

使用 exiftool 可以查看和更新 pdf 文件中的元数据。

下面是一些例子：

$ exiftool file.pdf                                           # 查看所有元数据
ExifTool Version Number         : 10.05
File Name                       : file.pdf
Directory                       : .
File Size                       : 109 kB
File Modification Date/Time     : 2017:11:04 21:13:57+08:00
File Access Date/Time           : 2017:11:04 21:16:21+08:00
File Inode Change Date/Time     : 2017:11:04 21:13:57+08:00
File Permissions                : rw-r--r--
File Type                       : PDF
File Type Extension             : pdf
MIME Type                       : application/pdf
PDF Version                     : 1.5
Linearized                      : No
Page Mode                       : UseOutlines
Language                        : English
Page Count                      : 2
Creator                         : Emacs 25.1.1 (Org mode 9.0.7)
Title                           : test
Author                          : cig01
Producer                        : XeTeX 0.99992
Keywords                        : keyword1, keyword2
Create Date                     : 2017:11:04 21:13:57+08:00
$ exiftool -Producer file.pdf                                 # 查看指定的元数据（Producer）
Producer                        : XeTeX 0.99992
$ exiftool -Author file.pdf                                   # 查看指定的元数据（Author）
Author                          : cig01
$ exiftool -Author='New Author' file.pdf                      # 更新指定的元数据（Author）
    1 image files updated
$ exiftool -Author file.pdf
Author                          : New Author

参考：
https://askubuntu.com/questions/27381/how-to-edit-pdf-metadata-from-command-line

推荐工具：JPdfBookmarks，官方网站：http://sourceforge.net/projects/jpdfbookmarks/

它是 JAVA 程序，界面操作简单易懂，下面仅介绍命令行模式的操作。
从 pdf 文件中导出书签：

$ jpdfbookmarks input.pdf --dump -o bookmarks.txt

把书签文件应用到 pdf 文件：

$ jpdfbookmarks input.pdf --apply bookmarks.txt -o result.pdf

注：选项--dump 可以简写为-d，选项--apply 可以简写为-a。其书签文件的格式如下：

Chapter 1. The Beginning/3
	Para 1.1 Child of first level/5
		Para 1.1.2 Child of second level/9
	Para 1.2 Another Child of first level/14
Chapter 2. The Continue/27

其中显示级别用“tab”缩进表示，“/”前的内容为书签名称，“/”后的内容为书签页码。

推荐工具：jPDF Tweak，官方网站：http://jpdftweak.sourceforge.net/

它是 JAVA 程序，界面操作简单易懂，下面仅介绍命令行模式的操作。

举例：
假设有个 pdf 文件，第 1 页为封面，第 2，3，4 页为目录，从第 5 页开始为正文。现在我们想设定封面页码为 Cover，目录页码为 i,ii,iii，正文页码为 1,2,3...
Step1.
新建文件 mydata.txt。
内容如下：

1=Cover:1-
2=1i
5=1

Step2.
运行下面命令：

$ java -jar jpdftweak.jar -i input.pdf -o output.pdf -loadpagenumbers mydata.txt

注：mydata.txt 中每一行表示一节，每节的格式为：
page=[prefix:]pagenum[type]
page：表示这节的开始页码；
prefix：表示页码前缀；
pagenum：表示编页码时从几开始（前文中若 2=2i，则会从 ii 开始编码，目录页码为 ii,iii,iv）；
type：表示页码的类型。省略表示数字，I表示大写罗马字母，i表示小写罗马字母，A表示大写英文字母，a表示小写英文字母，-表示不设置页码。
关于选项 loadpagenumbers 的详细用法可用下面命令查询：

$ java -jar jpdftweak.jar -help loadpagenumbers

推荐工具：convert，convert 是 imagemagick 的一个组件。

$ sudo apt-get install imagemagick

下面命令可以把当前目录的所有.jpg 文件合并为 out.pdf：

$ convert *.jpg out.pdf

使用 convert 转换图片为 pdf 时容易发生 segmentation fault。使用 gs 也可以完成这个工作，参考节 1.2.3 。

推荐工具：pdfimages，它是 poppler-utils 的一个组件。

安装方式：

$ sudo aptitude install poppler-utils    # Ubuntu
$ brew install poppler                   # Mac

poppler-utils 中包括一些实用工具，有：pdftops (PDF 到 Posts script 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)。

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。提取的图片可保存为可移植像素图（PPM）, 可移植位图（PBM）, 或者 JPEG 文件。

使用 -j 选项将图像保存为 JPEG 格式，使用 -f 和 -l 选项制定起始页和结束页（不指定则默认认为转换所有页面）。

下面例子将提取 PDF 文件第 3 至 7 页（包括 3 和 7）中的图片：

$ pdfimages -f 3 -l 7 -j example.pdf imageroot

上面例子中，imageroot 是生成文件名的前缀，最终的文件名会如 imageroot-nnn.jpg 等（其中 nnn 是数字编号）。

使用 -list 选项可以列出 PDF 中的图片，如：

$ pdfimages -list -f 7 -l 8  ct-magazin-14-2012.pdf

  page   num  type   width height color comp bpc  enc interp  object ID
  ---------------------------------------------------------------------
     7     0 image     581   838  rgb     3   8  jpeg   no        39  0
     7     1 image       4     4  rgb     3   8  image  no        40  0
     7     2 image     314   332  rgb     3   8  jpx    no        44  0
     7     3 image     358   430  rgb     3   8  jpx    no        45  0
     7     4 image       4     4  rgb     3   8  image  no        46  0
     7     5 image       4     4  rgb     3   8  image  no        47  0
     7     6 image       4     6  rgb     3   8  image  no        48  0
     7     7 image     596   462  rgb     3   8  jpx    no        49  0
     7     8 image       4     6  rgb     3   8  image  no        50  0
     7     9 image       4     4  rgb     3   8  image  no        51  0
     7    10 image       8    10  rgb     3   8  image  no        41  0
     7    11 image       6     6  rgb     3   8  image  no        42  0
     7    12 image     113    27  rgb     3   8  jpx    no        43  0
     8    13 image     582   839  gray    1   8  jpeg   no      2080  0
     8    14 image     344   364  gray    1   8  jpx    no      2079  0

工具 1：pdfedit，主页：http://pdfedit.cz/en/index.html

$ sudo apt-get install pdfedit

不过，这个工具界面不友好，也不稳定，界面经常卡死。

工具 2：PDF Studio，非常好的跨平台 pdf 编辑工具（它是商业软件，不是免费的）。

在 MacOS 中可以使用命令行工具 mdls 来查询 pdf 文件的页码数，如：

$ mdls file.pdf |grep kMDItemNumberOfPages |awk '{print $3}'
126