Próbuję przekonwertować plik PDF na SVG. Jednak ten, którego używam, obecnie mapuje ścieżkę dla każdej litery w każdym fragmencie tekstu, co oznacza, że ​​jeśli zmienię tekst w pliku źródłowym, wygląda brzydko.

Zastanawiałem się, jaki jest najczystszy konwerter plików PDF na SVG, mam nadzieję, że nie ma ścieżki do obszarów tekstowych, które po prostu jej nie potrzebują. Jak wiemy, PDF i SVG są dość podobne, więc zakładam, że istnieje kilka dobrych konwerterów.

Inkscape jest używany przez wiele osób w Wikipedii do konwersji plików PDF na SVG.

http://inkscape.org/

Mają nawet przydatny przewodnik, jak to zrobić!

http://en.wikipedia.org/wiki/Wikipedia:Graphic_Lab/Resources/PDF_conversion_to_SVG#Conversion_with_Inkscape

Możesz używać Inkscape tylko w wierszu poleceń, bez otwierania GUI. Spróbuj tego:

inkscape \
  --without-gui \
  --file=input.pdf \
  --export-plain-svg=output.svg 

Aby uzyskać pełną listę wszystkich opcji wiersza poleceń, uruchom inkscape --help.

Obecnie używam PDFBox, który ma dobre wsparcie dla wyjścia graficznego. Istnieje dobre wsparcie dla wyodrębniania obrysów wektorowych, a także zarządzania czcionkami. Istnieje kilka dobrych narzędzi do wypróbowania tego (np. PDFReader wyświetli się jako Java Graphics2D). Możesz przechwycić narzędzie graficzne za pomocą narzędzia SVG, takiego jak Batik (robię to i daje dobre przechwytywanie).

Nie ma prostego sposobu na konwersję wszystkich plików PDF do SVG - zależy to od strategii i narzędzi użytych do tworzenia plików PDF. Część tekstu jest konwertowana na wektory i nie można jej łatwo zrekonstruować - musisz zainstalować czcionki wektorowe i sprawdzić je.

AKTUALIZACJA: Teraz opracowałem to w pakiecie PDF2SVG, który nie używa już Batika :

który został przetestowany na wielu plikach PDF. Tworzy plik wyjściowy SVG składający się z plików

• znaków jako jeden <svg:text>na znak
• ścieżki jak <svg:path>
• obrazy jako <svg:image>

Późniejsze pakiety (miejmy nadzieję) przekonwertują znaki na tekst i ścieżki do obiektów graficznych wyższego poziomu

AKTUALIZACJA: Możemy teraz odtworzyć działający tekst ze znaków SVG. Przekonwertowaliśmy również diagramy do formatu XML specyficznego dla domeny (np. Widma chemiczne). Zobacz https://bitbucket.org/petermr/svg2xml-dev . Nadal jest w fazie alfa, ale porusza się z użyteczną prędkością. Każdy może się przyłączyć!

AKTUALIZACJA. (@Tim Kelty) Nadal pracujemy nad PDF2SVG, a także nad narzędziami, które wykonują (w ograniczonym zakresie) Java OCR i tworzenie prymitywów graficznych wyższego poziomu (strzałki, ramki itp.) Zobacz https://bitbucket.org/petermr/ imageanalysis https://bitbucket.org/petermr/diagramanalyzer https://bitbucket.org/petermr/norma i https://bitbucket.org/petermr/ami-core . Jest to finansowany projekt mający na celu uchwycenie 100 milionów faktów z literatury naukowej (contentmine.org), z których większość to PDF.

Ten temat jest dość stary, ale oto przydatne rozwiązanie, które znalazłem:

http://www.cityinthesky.co.uk/opensource/pdf2svg/

Oferuje narzędzie pdf2png, które po zainstalowaniu wykonuje dokładnie to samo co w wierszu poleceń. Do tej pory przetestowałem to z nienagannymi wynikami, w tym z bitmapami.

EDYCJA: Mój błąd, to narzędzie również konwertuje litery na ścieżki, więc nie odpowiada na początkowe pytanie. Jednak i tak robi dobrą robotę i może być przydatny dla każdego, kto nie zamierza modyfikować kodu w pliku svg, więc zostawię post.

Oto proces, którego użyłem. Głównym narzędziem, którego użyłem, był Inkscape, który był w stanie poprawnie konwertować tekst.

• wykorzystał akcje Adobe Acrobat Pro z JavaScriptem, aby podzielić arkusze PDF
• uruchomił Inkscape Portable 0.48.5 z Windows Cmd, aby przekonwertować go do SVG
• dokonałem ręcznych edycji określonego atrybutu XML SVG, z którym miałem problemy, używając Windows Cmd i Windows PowerShell

Oddzielne strony: Adobe Acrobat Pro z JavaScriptem

Korzystając z Adobe Acrobat Pro Actions (dawniej Batch Processing) utwórz niestandardową akcję, aby podzielić strony PDF na osobne pliki. Alternatywnie możesz podzielić pliki PDF za pomocą GhostScript

Akcja Acrobat JavaScript do dzielenia stron

/* Extract Pages to Folder */

var re = /.*\/|\.pdf$/ig;
var filename = this.path.replace(re,"");

{
    for ( var i = 0;  i < this.numPages; i++ )
    this.extractPages
     ({
        nStart: i,
        nEnd: i,
        cPath : filename + "_s" + ("000000" + (i+1)).slice (-3) + ".pdf"
    });
};

Konwersja PDF do SVG: Inkscape z plikiem wsadowym Windows CMD

Za pomocą programu Windows Cmd utworzono plik wsadowy, aby przeglądać wszystkie pliki PDF w folderze i konwertować je do formatu SVG

Plik wsadowy do konwersji pliku PDF na SVG w bieżącym folderze

:: ===== SETUP =====
@echo off
CLS
echo Starting SVG conversion...
echo.

:: setup working directory (if different)
REM set "_work_dir=%~dp0"
set "_work_dir=%CD%"

:: setup counter
set "count=1"

:: setup file search and save string
set "_work_x1=pdf"
set "_work_x2=svg"
set "_work_file_str=*.%_work_x1%"

:: setup inkscape commands
set "_inkscape_path=D:\InkscapePortable\App\Inkscape\"
set "_inkscape_cmd=%_inkscape_path%inkscape.exe"

:: ===== FIND FILES IN WORKING DIRECTORY =====
:: Output from DIR last element is single  carriage return character. 
:: Carriage return characters are directly removed after percent expansion, 
:: but not with delayed expansion.

pushd "%_work_dir%"
FOR /f "tokens=*" %%A IN ('DIR /A:-D /O:N /B %_work_file_str%') DO (
    CALL :subroutine "%%A"
)
popd

:: ===== CONVERT PDF TO SVG WITH INKSCAPE =====

:subroutine
echo.
IF NOT [%1]==[] (

    echo %count%:%1
    set /A count+=1

    start "" /D "%_work_dir%" /W "%_inkscape_cmd%" --without-gui --file="%~n1.%_work_x1%" --export-dpi=300 --export-plain-svg="%~n1.%_work_x2%"

) ELSE (
    echo End of output
)
echo.

GOTO :eof

:: ===== INKSCAPE REFERENCE =====

:: print inkscape help
REM "%_inkscape_cmd%" --help > "%~dp0\inkscape_help.txt"
REM "%_inkscape_cmd%" --verb-list > "%~dp0\inkscape_verb_list.txt"

Atrybuty czyszczenia: Windows Cmd i PowerShell

Zdaję sobie sprawę, że nie jest najlepszą praktyką ręczną edycję znaczników lub atrybutów SVG lub XML na siłę ze względu na potencjalne różnice i zamiast tego należy użyć parsera XML. Jednak miałem prosty problem, w którym szerokość obrysu na jednym rysunku była bardzo mała, a na innym rodzina czcionek była nieprawidłowo identyfikowana, więc zasadniczo zmodyfikowałem poprzedni skrypt wsadowy Windows Cmd, aby wykonać proste wyszukiwanie i zamianę. Jedyne zmiany dotyczyły definicji ciągu wyszukiwania i zmiany w celu wywołania polecenia programu PowerShell. Polecenie PowerShell wykona wyszukiwanie i zamienianie oraz zapisuje zmodyfikowany plik z dodanym sufiksem. Znalazłem kilka innych odniesień, które można lepiej wykorzystać do przeanalizowania lub zmodyfikowania wynikowych plików SVG, jeśli konieczne jest wykonanie innego drobnego czyszczenia.

Modyfikacje umożliwiające ręczne wyszukiwanie i zamianę danych SVG XML

:: setup file search and save string
set "_work_x1=svg"
set "_work_x2=svg"
set "_work_s2=_mod"
set "_work_file_str=*.%_work_x1%"

powershell -Command "(Get-Content '%~n1.%_work_x1%') | ForEach-Object {$_ -replace 'stroke-width:0.06', 'stroke-width:1'} | ForEach-Object {$_ -replace 'font-family:Times Roman','font-family:Times New Roman'} | Set-Content '%~n1%_work_s2%.%_work_x2%'"

Mam nadzieję, że to może komuś pomóc

Bibliografia

Akcje Adobe Acrobat Pro i odwołania JavaScript do oddzielnych stron

• Jak zautomatyzować wyodrębnianie stron z pliku PDF ...
• Dokumentacja JavaScript dla interfejsu API programu Acrobat - extractPages
• Wyodrębnij strony, aby oddzielić pliki PDF (coś nie tak z pętlą?)
• Jak mogę utworzyć wartość Zerofilled za pomocą JavaScript?
• Jak wyprowadzać liczby całkowite z wiodącymi zerami w JavaScript

GhostScript odwołuje się do oddzielnych stron

• Pomoc GhostScript dla noobów - Rozbijanie wielostronicowego pliku PDF ...
• Jak przekonwertować wielostronicowy plik PDF ...
• Dzielenie pliku PDF za pomocą Ghostscript

Odniesienia do wiersza poleceń Inkscape dotyczące konwersji plików PDF na SVG

• przekonwertować pdf na svg
• Konwertować PDF do czystego SVG?

Odwołania do skryptów plików wsadowych Windows Cmd

• Ukryte funkcje plików wsadowych systemu Windows
• SS64.com - indeks wiersza poleceń systemu Windows CMD
• Dlaczego pętla FOR / f w tym skrypcie wsadowym oblicza pusty wiersz?

Badanie zastępowania tagów / atrybutów XML

• Jak znaleźć i zamienić tekst w pliku przy użyciu środowiska wiersza poleceń systemu Windows?
• Zmiana danych znaczników w pliku XML za pomocą pliku wsadowego systemu Windows
• zaktualizuj XML z wiersza poleceń [Windows]
• Jak modyfikować / tworzyć wartości w plikach XML za pomocą PowerShell?
• Edycja atrybutów XML przy użyciu programu PowerShell
• PowerShell zmienia wartość atrybutu elementu XML

Jeśli opcją jest DVI na SVG, możesz również użyć programu dvisvgm do konwersji pliku DVI na plik SVG. Działa to doskonale na przykład dla formuł LaTeX (z opcją --no-fonts):

dvisvgm --no-fonts input.dvi -o output.svg

Istnieje również pdf2svg, który używa popplera i Cairo do konwersji pliku PDF na SVG. Kiedy próbowałem tego, plik SVG był doskonale wyrenderowany w formacie inkscape.

Skrypt Bash do konwersji każdej strony pliku PDF do własnego pliku SVG.

#!/bin/bash
#
#  Make one PDF per page using PDF toolkit.
#  Convert this PDF to SVG using inkscape
#

inputPdf=$1

pageCnt=$(pdftk $inputPdf dump_data | grep NumberOfPages | cut -d " " -f 2)

for i in $(seq 1 $pageCnt); do
    echo "converting page $i..."
    pdftk ${inputPdf} cat $i output ${inputPdf%%.*}_${i}.pdf
    inkscape --without-gui "--file=${inputPdf%%.*}_${i}.pdf" "--export-plain-svg=${inputPdf%%.*}_${i}.svg"
done

Aby wygenerować w png, użyj --export-pngitp ...

Okazało się, że xfigwykonał świetną robotę:

pstoedit -f fig foo.pdf foo.fig
xfig foo.fig

export to svg

Wykonał znacznie lepszą pracę niż inkscape. Właściwie to prawdopodobnie zrobił to pdtoedit.

Oto interfejs API NodeJS REST dla dwóch skryptów renderujących PDF. https://github.com/pumppi/pdf2images

Skrypty to: konwersja pdf2svg i Imagemagicks