☰

¿Cómo fusionar archivos PDF y crear marcadores para cada archivo de entrada en el archivo de salida? (linux)

tag-icon • tag-icon linux pdf bookmarks merge open-source
¿Cómo fusionar archivos PDF y crear marcadores para cada archivo de entrada en el archivo de salida? (linux)

Estoy usando Linux y me gustaría tener un software (o script, método) que combine algunos archivos PDF y cree un PDF de salida unido que contenga marcadores. Los marcadores se nombran por el nombre de los archivos pdf, que se utilizaron para fusionar y señalar el número de página donde comienzan estos archivos.

Adobe Acrobat tiene posibilidades similares, pero no es gratuito y sólo está disponible para Windows.

Respuesta1

ACTUALIZAR: No quedé satisfecho con el resultado y escribí esto con una buena GUI:

https://github.com/Yanpas/PdfMerger

Aprendí Python y escribí (modifiqué) el programa en una hora:

#! /usr/bin/env python
# Original author Nicholas Kim, modified by Yan Pashkovsky
# New license - GPL v3
import sys
import time
from PyPDF2 import utils, PdfFileReader, PdfFileWriter

def get_cmdline_arguments():
    """Retrieve command line arguments."""
    
    from optparse import OptionParser
    
    usage_string = "%prog [-o output_name] file1, file2 [, ...]"

    parser = OptionParser(usage_string)
    parser.add_option(
        "-o", "--output",
        dest="output_filename",
        default=time.strftime("output_%Y%m%d_%H%M%S"),
        help="specify output filename (exclude .pdf extension); default is current date/time stamp"
    )
    
    options, args = parser.parse_args()
    if len(args) < 2:
        parser.print_help()
        sys.exit(1)
    return options, args
    
def main():
    options, filenames = get_cmdline_arguments()
    output_pdf_name = options.output_filename + ".pdf"
    files_to_merge = []

    # get PDF files
    for f in filenames:
        try:
            next_pdf_file = PdfFileReader(open(f, "rb"))
        except(utils.PdfReadError):
            print >>sys.stderr, "%s is not a valid PDF file." % f
            sys.exit(1)
        except(IOError):
            print >>sys.stderr, "%s could not be found." % f
            sys.exit(1)
        else:
            files_to_merge.append(next_pdf_file)

    # merge page by page
    output_pdf_stream = PdfFileWriter()
    j=0
    k=0
    for f in files_to_merge:
        for i in range(f.numPages):
            output_pdf_stream.addPage(f.getPage(i))
            if i==0:
                output_pdf_stream.addBookmark(str(filenames[k]),j)
            j = j + 1
        k += 1
        
    # create output pdf file
    try:
        output_pdf_file = open(output_pdf_name, "wb")
        output_pdf_stream.write(output_pdf_file)
    finally:
        output_pdf_file.close()

    print "%s successfully created." % output_pdf_name


if __name__ == "__main__":
    main()

Este programa requiere PyPDF2, puedes instalarlo a través de sudo pip install pypdf2, antes de esto necesitas instalar pip :) Simplemente abre la terminal e ingresa./pdfmerger.py *.pdf

Respuesta2

Este script Bash hará que cada PDF en un directorio contenga un marcador en su primera página con el texto del nombre del archivo PDF, y luego los concatenará todos. Puede manejar nombres de archivos que no sean ASCII.

#!/usr/bin/bash

cattedPDFname="${1:?Concatenated PDF filename}"

# make each PDF contain a single bookmark to first page
tempPDF=`mktemp`
for i in *.pdf
do
    bookmarkTitle=`basename "$i" .pdf`
    bookmarkInfo="BookmarkBegin\nBookmarkTitle: $bookmarkTitle\nBookmarkLevel: 1\nBookmarkPageNumber: 1"
    pdftk "$i" update_info_utf8 <(echo -en $bookmarkInfo) output $tempPDF verbose
    mv $tempPDF "$i"
done

# concatenate the PDFs
pdftk *.pdf cat output "$cattedPDFname" verbose

Respuesta3

Modificando una buena respuesta [1] detex.stackexchange.com, puedes crear una itemizelista con la referencia a los archivos que incluirás a continuación. (De manera similar a un toc). Latex se encargará de actualizar los números de página.

AlgunoLátexpalabras más

  • Una línea como esta incluirá elPDFarchivo MyDoc1.pdfcon el nombre de referencia"doc01"presente en el mismo directorio del archivo látex:

    \modifiedincludepdf{-}{doc01}{MyDoc1.pdf}

  • Un comando as \pageref{doc02.3}creará un enlace con el número de la tercera página del documento que tiene como referencia la clave"doc02". Latex se encargará de mantenerlo actualizado.

  • Un bloque \begin{itemize} \end{itemize}creará una lista puntiaguda.

El archivo de látex
A continuación se muestra la plantilla modificada con la que funcionará pdflatex:

\documentclass{article}
\usepackage{hyperref}
\usepackage{pdfpages}
\usepackage[russian,english]{babel}

\newcounter{includepdfpage}
\newcounter{currentpagecounter}
\newcommand{\addlabelstoallincludedpages}[1]{
   \refstepcounter{includepdfpage}
   \stepcounter{currentpagecounter}
   \label{#1.\thecurrentpagecounter}}
\newcommand{\modifiedincludepdf}[3]{
    \setcounter{currentpagecounter}{0}
    \includepdf[pages=#1,pagecommand=\addlabelstoallincludedpages{#2}]{#3}}

\begin{document}

You can refer to the beginning or to a specific page: \\
see page \pageref{doc01.1} till \pageref{doc02.3}.\\

\begin{itemize}
  \item Here contribution from Grupmate 1 \pageref{doc01.1}
  \item Here contribution from Grupmate 2 \pageref{doc02.1}
\end{itemize}

\modifiedincludepdf{-}{doc01}{MyDoc1.pdf}
\modifiedincludepdf{-}{doc02}{MyDoc2.pdf}

\end{document}

Nota

Para simplemente fusionar y dividir documentos o páginas PDF, puede utilizar herramientas como pdftk e inspirarse en otras preguntas [3] al respecto.

Referencias

información relacionada