有没有办法丢弃以前的pdfmark元数据？

编程问答 2022-05-23

问题描述

我试图自动为我需要的一些 PDF 添加标题、书签等。我想出的方法是创建一个简单的 pdfmark 脚本，如下所示：

% pdfmark.ps
[ /Title (My document)
  /Author(Me)
  /DOCINFO pdfmark

[ /Title (First chapter)
  /Page 1
  /OUT pdfmark

然后使用 ghostscript 生成一个新的 PDF：

gs -q -dnopAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=out.pdf in.pdf pdfmark.ps

如果 in.pdf 没有任何 pdfmark 数据，它可以正常工作，但是，如果它没有很好地工作：例如，标题/作者没有被修改，而是附加了书签被替换了。

由于我不想修改 PDF 的相应附言，我试图找出是否有一些命令可以添加到 pdfmark.ps 中，可以删除（或覆盖）以前的元数据。

解决方法

我会将 PostScript 留给其他人，并展示如何使用 qpdf 包（用于 qpdf 和 fix-qdf）和 GNU sed 删除 PDF 大纲。>

来自 qpdf 手册：

在 QDF 模式下，qpdf 以我们所说的 QDF 形式创建 PDF 文件。 QDF 格式的 PDF 文件，有时称为 QDF 文件，是一个完全 以 %QDF-1.0 作为第三行的有效 PDF 文件（在 pdf 之后 标头和二进制字符）并具有某些其他特征。 QDF 表单的目的是使编辑 PDF 文件成为可能， 有一些限制，在普通的文本编辑器中。

（对于非 GNU/Linux 系统，请调整以下命令。）

qpdf --qdf --compress-streams=n --decode-level=generalized \
     --object-streams=disable -- in.pdf - |
sed --binary \
    -e '/^[ ][ ]*\/Outlines [0-9][0-9]* [0-9] R/ s/[1-9]/0/g' |
fix-qdf > tmp.qdf
qpdf --coalesce-contents --compression-level=9 \
     --object-streams=generate -- tmp.qdf out.pdf

哪里：

  • 第一个 qpdf 命令将 PDF 文件转换为 QDF 格式进行编辑
  • sed 通过将 QDF 文件中的轮廓置于不存在的 obj 0
  • fix-qdf 编辑后修复 QDF
  • 第二个 qpdf 将 QDF 转换并压缩为 PDF
  • qpdf 输入无法流水线化，需要 seek

sed 命令将包含以下内容的行中的数字更改为零 缩进的文本 /Outlines。 请注意，GNU sed 用于非标准 --binary 选项 以避免在操作系统上区分文本文件和二进制文件时发生意外。 类似地，要去除注释，将 /Outlines 替换为 /Annots 上面的 -e，或将其插入到第二个 -e 选项中以同时执行这两项操作。 另一个比 sed 更有用的补丁工具；通常只有一个字节 有待改变。

快速剥离所有非页面数据（docinfo，概述 a.o. 但不 annotations) qpdf 的 --empty 选项可能有用：

qpdf --coalesce-contents --compression-level=9 \
     --object-streams=generate \
     --empty --pages in.pdf 1-z -- out.pdf
pdfpdfpdfpdf-generationpostscript