Быстро вырезать отдельные участки из pdf

https://stackoverflow.com/questions/21605262/convert-multipage-pdf-to-a-singl...

Насчет утрамбовывания не до конца понял, ты собираешся стирать произвольные по длине куски (которые могут затрагивать несколько страниц из оригинальной pdf) из получившегося монолитного изображения? Может, проще будет их просто закрасить?

Ну или разобрать на изображения/страницы и собрать их подредактированное подмножество обратно, это также не трудно реализовать через тот же convert.

pdf преобразуется в километровое непрерывное изображение

А не проще рассыпать его на страницы pdfseparate, кропнуть страницы в редакторе и собрать обратно pdfunite?

Есть pdftk.

А для извлечения изображений из pdf можно применять pdfimages.

Ну да, то же самое можно с pdftk burst/cat, или с pdfchain, если хочется гуя, или с помощью pdfsam, если хочется ещё больше гуя)
Суть та же. Я про то, что не надо склеивать пдф в простыню, чтоб кропать.
Но на самом деле из топика не ясно, что именно ТС надо взять из пдф и что он хочет отрезать. Не исключено, что он хочет картинки да колонтитулы отрезать, текст взять и ему вообще хватило бы pdftotext.

Я хочу получить из pdf новый pdf, из которого выброшены некоторые области произвольного размера (ширина каждой равна ширине страницы, длина - произвольная). Закрашивать - не вариант. Если выполнять такую процедуру на уровне каждой отдельной страницы, то получится медленно. Текст содержит и картинки, и колонтитулы, и формулы, но они в контексте задачи не играют особой роли.

километровое непрерывное изображение, я в любимом графическом редакторе

Не знаю, какой у тебя любимый графический редактор, но gimp с «километровым изображением» будет сильно тормозить.

Если эти области одинаковы для каждой страницы, то можно сгенерировать одну PDF страницу, в которой будет одно прозрачное изображение и сделать в нём области, например, белого цвета в тех местах где надо скрыть данные.

Затем посредством pdftk наложить эту страницу как multistamp (stamp) сразу на все страницы одной командой, будет добавлено сразу на все страницы и размер нового файла почти не увеличится.

Если вариантов закрашиваемых областей несколько, то нужно будет разрезать pdf документ и применять эти шаблоны.

Я лучше юзкейс тогда опишу, потому что это тоже не то, что нужно. Есть методичка в pdf на >100 страниц, содержащая полезной и бесполезной информации примерно поровну. Я хочу сделать на базе этой методички бумажные шпоры (шпаргалки) только с полезной информацией. Если распечатать всё сразу и нарезать в реальности, получится разброс по формам и размеру, для шпор - непрактично, соответственно, нужно сначала получить электронный вариант, содержащий только необходимое, а потом печатать в нужном формате. Копировать каждый полезный блок информации по отдельности выглядит довольно медленным путём. Хотелось бы промотать перед собой эти 100 страниц, выделяя нужные (или ненужные области), потом сделать пару телодвижений - и либо получить полезные области в виде одного непрерывного файла без пропусков, либо в виде множества отдельных файликов, из которых можно легко получить непрерывный файл - главное, чтобы быстро.

Распознай PDF посредством Abby FineReader, получи word и обработай там как тебе надо.

А вообще списывать плохо, используй голову.

Там встречаются и картинки, и формулы. FineReader справится с задачей?

Там где картинки и формулы ты выделишь этот блок как картинку, тогда он не будет пытаться его распознать, а в word документ поместит как изображение.

А где текс - выделишь блоком текста.

Если выполнять такую процедуру на уровне каждой отдельной страницы, то получится медленно

Если обрезается контент в начале или конце страницы, делается просто кроп и сохранить. Если нужно наоборот сохранить начало и конец, а середину вырезать, — кроп начало, сохранить как, отмена, кроп конец, сохранить как. Потом все страницы собираются обратно одной командой, как одной командой разбирались. Вырезать куски внутри одной картинки и внутри неё же их двигать вряд ли выйдет быстрее в части «двигать». Честно говоря, не знаю, как это автоматизировать.

Вот тебе ещё вариант:

pdf2htmlEX --embed cfijo --optimize-text 1 input.pdf

Полученную хтмльку правишь любым редактором и распечатываешь.
Тут момент «двигать» вообще исключается.

По поводу этической стороны вопроса - я и так в учёбе делаю всё, что могу. Если времени не хватает - первыми блокируются личная жизнь, отдых, спорт. Сейчас даже с учётом этого времени не хватает и требуются альтернативные пути, плюс я не очень верю в методическую ценность зазубривания тонны материала, лучше бы задачи решал.

Зазубривать и не нужно, нужно понять. Межде прочим, грамотная подготовка шпор, не просто распечатывание методички в мелком формате, а обработка материала, переработка, получения из неё сути, материала, который и поместится на маленькую шпору большой труд, который позволит тебе понять и выучить материал.

Так что шпора, возможно, и не понадобится.

pdf2htmlEX выдал html'ку из 156 строк чего-то страшного. Попробую FineReader'ом, если не пойдёт - последую совету из первой части твоего последнего сообщения. Спасибо!

Я один курс уже отучился и две сессии сдал, что-то про методы подготовки понял. Сейчас времени не хватает даже на то, чтобы просто один раз вдумчиво прочитать весь тот материал, который с меня могут спросить. Может быть, успею, но не факт. До того уровня понимания, который позволит без подсказки выдать любую теорию - ещё далеко. В сессию я целые программы курсов самостоятельно с нуля осваивал, но там мне ничто не мешало, в 8 утра сел, в 9 вечера встал. Сейчас ситуация иная - надо выполнять домашние задания, посещать пары... В некотором смысле, сессия проще, чем коллоквиум в середине семестра.

Я один курс уже отучился и две сессии сдал, что-то про методы подготовки понял.

Наивность. Готовить шпоры по предложенному алгоритму - бессмысленно. С них даже списать не получится, т.к. ты в них не ориентируешся.

Я рассчитываю успеть прочитать процентов 80 этой методички, к тому же, там повествование в том же порядке, что и в курсе, который нам читался. Думаю, с ориентированием проблем не будет.

Тогда не трать время на фигню, читай пока есть время и списывай сразу из методички (в электронном варианте). Проще в читалке на смартфоне закладок наделать с номером билета в заголовке.

Спасибо, приму во внимание. По ходу чтения буду закладки ставить.