影印 PDF 文檔分割

爲什麼會尋找這些工具？

2014寒假某天，我收到一封 email ，某人找我抽空幫忙下載「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：

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：
先 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：

操作視頻

scantailor 下載

三個平臺安裝教程