将A4页面分割成A7部分

Question

我收到一份 A4 页的文档，每页有 8 个 A7 部分。 我需要从每个页面的每个 A7 区域中提取数据，因为它们是相关的。

是否可以将8个A7中的每一个A4拆开，并遍历数据？

这是我正在处理的 PDF 文件：https://s3.us-east-2.amazonaws.com/s3.barcodegen-website.io/programada+pdf+teste.pdf

（有关 A4/A7 纸张尺寸，请参阅维基百科上的ISO 216。）

Answer 1

因为我不知道“从每个页面的每个 A7 区域中提取数据，因为它们是相关的”的真正含义是什么，所以我首先提出一个解决方案，（至少）在视觉上将单个 A$ pdf 页面拆分为八个 A7，遵循以下配置：

+----+----+
| 4  | 8  |
+----+----+
| 3  | 7  |
+----+----+
| 2  | 6  |
+----+----+
| 1  | 5  |
+----+----+

基本上，它使用移动窗口裁剪当前页面并将其导入到新文档的页面中，然后旋转每个新页面。

public void splitPdf(String pdfFileName) throws IOException {
  File pdfFile = new File(pdfFileName);
  File pdfTargetFile = new File(pdfFileName + ".a7.pdf");

  try (PDDocument pdfDocument = Loader.loadPDF(new RandomAccessReadBufferedFile(pdfFile));
      PDDocument pdfTargetDocument = new PDDocument(); ) {

    for (PDPage pdfPage : pdfDocument.getPages()) {
      PDRectangle cropBox = pdfPage.getCropBox();
      float upperRightX = cropBox.getUpperRightX();
      float upperRightY = cropBox.getUpperRightY();
      for (int j = 0; j < 2; ++j) {
        for (int i = 0; i < 4; ++i) {
          float cropLowerLeftX = upperRightX / 2 * j;
          float cropUpperRightX = upperRightX / 2 * (j + 1);
          float cropLowerLeftY = upperRightY / 4 * i;
          float cropUpperRightY = upperRightY / 4 * (i + 1);
          cropBox.setLowerLeftX(cropLowerLeftX);
          cropBox.setUpperRightX(cropUpperRightX);
          cropBox.setLowerLeftY(cropLowerLeftY);
          cropBox.setUpperRightY(cropUpperRightY);
          pdfPage.setCropBox(cropBox);
          pdfTargetDocument.importPage(pdfPage);
        }
      }
    }

    for (PDPage pdfTargetPage : pdfTargetDocument.getPages()) {
      pdfTargetPage.setRotation(90);
    }
    pdfTargetDocument.save(pdfTargetFile);
  }
}

无论如何，这并不是真正的“拆分”，因为实际上新文档的每一页都包含了原始文档的所有数据，但它只是“超出页面边界”，正因为如此，我将其称为“视觉” “分裂。

Answer 2

拆分 PDF 页面会引发许多次要问题，例如您将如何处理半个“字形”（或半个超链接），因此内部超链接通常会被丢弃，但外部超链接可能需要保留。

我们需要测试资源的重复情况，因此 526 KB（539,607 字节）的源 A4 实际上可能会与 537 KB（550,093 字节）略有不同，后者有时会小得多，但这里只是稍微大一点！

使用图像方法是不可接受的，因为在这种规模下条形码很可能会被破坏。

左图（注意填充不良），右图扫描准确。

裁剪重复并不总是一个好的解决方案，因为每页可能有重叠的内容。然而，在这种情况下，可以通过抽取将其分解为 4 x 2 页面，见此处成对的页面。我们还可能在那个阶段看到偏移量有所不同，并且对于这种分割来说并不完美。因此，源位置要么需要改变，要么页面边界向不同方向滑动。

在 Acrobat Reader 等中看到的更正结果

mutool poster -x 4 -y 2 -r programada.pdf output.pdf