Différences

Ci-dessous, les différences entre deux révisions de la page.

--- informatique:divers:manipuler_les_pdf_sous_linux [2020/08/19 18:53] – [1.3 Extraire le texte présent dans un PDF] Cédric ABONNEL
+++ informatique:divers:manipuler_les_pdf_sous_linux [2023/02/28 20:02] (Version actuelle) – ↷ Liens modifiés en raison d'un déplacement. Cédric ABONNEL
@@ Ligne 1: / Ligne 1: @@
+====== Manipuler des PDF sous Linux ? ======
+===== Liste des programmes  =====
+**pdfshuffler** (PDF file merging, rearranging, and splitting)\\
+Concaténer, séparer ou modifier l'ordre des pages des fichiers PDF.
+**pdfmod** (A simple application for modifying PDF documents)
+**poppler** (Command line utilities for converting PDF files)
+**pdftk**
+**pdf chain**
+===== pdfmod =====
+==== Installer pdfmod ====
+{{ informatique:cfp:ico_pdfmod.png?direct|}}
+Executer l'installation :
+<code>sudo dnf install pdfmod</code>
+Résultat :
+<code>
+Dernière vérification de l’expiration des métadonnées effectuée il y a 1:48:37 le sam. 29 juil. 2017 18:27:15 CEST.
+Dépendances résolues.
+================================================================================
+ Paquet               Architecture  Version                 Dépôt         Taille
+================================================================================
+Installation de :
+ pdfmod               x86_64        0.9.1-15.fc26           fedora        723 k
+Installation des dépendances:
+ gnome-sharp          x86_64        2.24.2-13.fc26          fedora        315 k
+ gtk-sharp2           x86_64        2.12.42-2.fc26          fedora        702 k
+ hyena                x86_64        0.5-15.fc26             fedora        355 k
+ nunit                x86_64        3.6-2.fc26              fedora        369 k
+ poppler-sharp        x86_64        0.0.3-13.fc26           fedora         34 k
+Résumé de la transaction
+================================================================================
+Installer  6 Paquets
+Taille totale des téléchargements : 2.4 M
+Taille des paquets installés : 8.4 M
+Voulez-vous continuer ? [o/N] :o
+Téléchargement des paquets :
+(1/6): gnome-sharp-2.24.2-13.fc26.x86_64.rpm    190 kB/s | 315 kB     00:01
+(2/6): hyena-0.5-15.fc26.x86_64.rpm             217 kB/s | 355 kB     00:01
+(3/6): poppler-sharp-0.0.3-13.fc26.x86_64.rpm   158 kB/s |  34 kB     00:00
+(4/6): pdfmod-0.9.1-15.fc26.x86_64.rpm          206 kB/s | 723 kB     00:03
+(5/6): gtk-sharp2-2.12.42-2.fc26.x86_64.rpm     159 kB/s | 702 kB     00:04
+(6/6): nunit-3.6-2.fc26.x86_64.rpm              333 kB/s | 369 kB     00:01
+--------------------------------------------------------------------------------
+Total                                           478 kB/s | 2.4 MB     00:05
+Test de la transaction en cours
+La vérification de la transaction a réussi.
+Lancement de la transaction de test
+Transaction de test réussie.
+Exécution de la transaction
+  Préparation           :                                                   1/1
+  Installation de       : gtk-sharp2-2.12.42-2.fc26.x86_64                  1/6
+  Exécution du scriptlet: gtk-sharp2-2.12.42-2.fc26.x86_64                  1/6
+  Installation de       : gnome-sharp-2.24.2-13.fc26.x86_64                 2/6
+  Exécution du scriptlet: gnome-sharp-2.24.2-13.fc26.x86_64                 2/6
+  Installation de       : poppler-sharp-0.0.3-13.fc26.x86_64                3/6
+  Installation de       : nunit-3.6-2.fc26.x86_64                           4/6
+  Installation de       : hyena-0.5-15.fc26.x86_64                          5/6
+  Installation de       : pdfmod-0.9.1-15.fc26.x86_64                       6/6
+  Exécution du scriptlet: pdfmod-0.9.1-15.fc26.x86_64                       6/6
+  Vérification de       : pdfmod-0.9.1-15.fc26.x86_64                       1/6
+  Vérification de       : gnome-sharp-2.24.2-13.fc26.x86_64                 2/6
+  Vérification de       : gtk-sharp2-2.12.42-2.fc26.x86_64                  3/6
+  Vérification de       : hyena-0.5-15.fc26.x86_64                          4/6
+  Vérification de       : poppler-sharp-0.0.3-13.fc26.x86_64                5/6
+  Vérification de       : nunit-3.6-2.fc26.x86_64                           6/6
+Installé :
+  pdfmod.x86_64 0.9.1-15.fc26           gnome-sharp.x86_64 2.24.2-13.fc26
+  gtk-sharp2.x86_64 2.12.42-2.fc26      hyena.x86_64 0.5-15.fc26
+  nunit.x86_64 3.6-2.fc26               poppler-sharp.x86_64 0.0.3-13.fc26
+Terminé !
+</code>
+===== pdf shuffler =====
+==== Installer pdf shuffler ====
+{{ informatique:cfp:ico_pdfshuffler.png?direct|}}
+Exécuter l'installation :
+<code>
+sudo dnf install pdfshuffler
+</code>
+Résultat :
+<code>
+Dernière vérification de l’expiration des métadonnées effectuée il y a 1:59:55 le sam. 29 juil. 2017 18:27:15 CEST.
+Dépendances résolues.
+================================================================================
+ Paquet              Architecture   Version                Dépôt          Taille
+================================================================================
+Installation de :
+ pdfshuffler         noarch         0.6.0-10.fc26          fedora          69 k
+Installation des dépendances:
+ pyPdf               noarch         1.13-13.fc26           fedora          73 k
+ pypoppler           x86_64         0.12.2-5.fc26          fedora          31 k
+Résumé de la transaction
+================================================================================
+Installer  3 Paquets
+Taille totale des téléchargements : 173 k
+Taille des paquets installés : 636 k
+Voulez-vous continuer ? [o/N] :o
+Téléchargement des paquets :
+(1/3): pypoppler-0.12.2-5.fc26.x86_64.rpm        19 kB/s |  31 kB     00:01
+(2/3): pdfshuffler-0.6.0-10.fc26.noarch.rpm      19 kB/s |  69 kB     00:03
+(3/3): pyPdf-1.13-13.fc26.noarch.rpm             15 kB/s |  73 kB     00:04
+--------------------------------------------------------------------------------
+Total                                            29 kB/s | 173 kB     00:05
+Test de la transaction en cours
+La vérification de la transaction a réussi.
+Lancement de la transaction de test
+Transaction de test réussie.
+Exécution de la transaction
+  Préparation           :                                                   1/1
+  Installation de       : pypoppler-0.12.2-5.fc26.x86_64                    1/3
+  Installation de       : pyPdf-1.13-13.fc26.noarch                         2/3
+  Installation de       : pdfshuffler-0.6.0-10.fc26.noarch                  3/3
+  Exécution du scriptlet: pdfshuffler-0.6.0-10.fc26.noarch                  3/3
+  Vérification de       : pdfshuffler-0.6.0-10.fc26.noarch                  1/3
+  Vérification de       : pyPdf-1.13-13.fc26.noarch                         2/3
+  Vérification de       : pypoppler-0.12.2-5.fc26.x86_64                    3/3
+Installé :
+  pdfshuffler.noarch 0.6.0-10.fc26           pyPdf.noarch 1.13-13.fc26
+  pypoppler.x86_64 0.12.2-5.fc26
+Terminé !
+</code>
+==== Utiliser pdf shuffler ====
+{{ informatique:cfp:pdfshuffler_capture.png?direct |}}
+===== Poppler =====
+==== Installer poppler ====
+{{ informatique:cfp:ico_poppler.gif?direct|}}
+Exécuter l'installation :
+<code>
+sudo dnf install poppler-utils
+</code>
+==== Utiliser poppler ====
+**poppler-utils** est un collection d'outils qui s'appuie sur l'API **poppler** pour éditer et modifier les fichiers PDF.
+  * **pdfdetach** extract embedded documents from a PDF
+  * **pdffonts** lists the fonts used in a PDF
+  * **pdfimages** extract all embedded images at native resolution from a PDF
+  * **pdfinfo** list all infos of a PDF
+  * **pdfseparate** extract single pages from a PDF
+  * **pdftocairo** convert single pages from a PDF to vector or bitmap formats using cairo
+  * **pdftohtml** convert PDF to HTML format retaining formatting
+  * **pdftoppm** convert a PDF page to a bitmap
+  * **pdftops** convert PDF to printable PS format
+  * **pdftotext** extract all text from PDF
+  * **pdfunite** merges several PDF
+The popper-utils package provides several different commands for interacting with and modifying PDF files. However, the two commands that help us the most here are **pdfseparate** and **pdfunite**.
+**pdfseparate** extracts pages into multiple PDFs that we can later merge together with **pdfunite**. To extract all the pages of a document into individual files, use:
+<code>
+pdfseparate ColoringBook.pdf ColoringBook-page_%d.pdf
+</code>
+To export a range of pages — say just pages 3,4,5,6,7,8 and 9 of a PDF — use the command:
+<code>
+pdfseparate -f 3 -l 9 ColoringBook.pdf ColoringBook-page_%d.pdf
+</code>
+Finally, after using **pdfseparate**, if we wanted to create a new document (NewColoringBook.pdf) with ColoringBook-page_3.pdf and ColoringBook-page_3.pdf we could use the following **pdfunite** command:
+<code>
+pdfunite ColoringBook-page_3.pdf ColoringBook-page_7.pdf NewColoringBook.pdf
+</code>
+===== PDFTK =====
+==== Installer le programme PDFTK ====
+<code>yum install pdftk</code>
+==== Utiliser PDFTK ====
+Assembler (merge, join) plusieurs fichiers PDF en un seul nouveau fichier PDF
+Syntaxe
+<code>pdftk P1 cat output P2</code>
+  * P1 - source - correspond à la liste de fichiers à assembler
+  * P2 - destination - correspond au fichier créé avec les documents PDF assemblés.
+==== Exemple ====
+Assembler in1.pdf et in2.pdf dans un nouveau fichier out1.pdf :
+<code>pdftk in1.pdf in2.pdf cat output out2.pdf</code>
+==== Remarque ====
+Si PDFMERGE est installé sur votre poste, il rempli aussi cette fonctionnalité :
+<code>pdfmerge file1.pdf file2.pdf... fileN.pdf outfile.pdf</code>
+===== PDF Chain =====
+PDF Chain est une interface graphique pour PDF Toolkit (pdftk). Cette interface supporte toutes les commandes disponibles dans PDF Toolkit.
+===== ImageMagick =====
+==== Installer ImageMagick ====
+> Fedora 30
+Sous **Fedora 30**, il suffit d’exécuter **dnf** pour installer le paquet présent dans des dépots **fedora** et ** updates **.
+  $ sudo dnf install ImageMagick
+Les dépendances à d'autres paquets sont les suivantes :
+   provider: ImageMagick-libs-1:6.9.10.75-1.fc30.x86_64
+   provider: glibc-2.29-27.fc30.x86_64
+   provider: glibc-2.29-27.fc30.i686
+===== - La compil' des questions =====
+==== - Recompiler un fichier PDF (pdftocairo et popple) ====
+Dans un dossier vide, copier le fichier PDF à traiter. Se placer dans ce dossier avec la commande ''cd'' puis exécuter les commandes suivantes.
+## Convertir le fichier PDF en plusieurs fichiers JPEG avec **poppler** :
+  $ pdftocairo `ls -v *.jpg` -jpeg
+## Convertir les fichiers JPEG et les assembler en un fichier PDF avec **ImageMagick** :
+  $ convert `ls -v *.jpg` "final.pdf"
+## Effacer les fichiers temporaires :
+  $ rm *.jpg
+Le fichier ''final.pdf'' est prêt.
+==== - Recompiler un fichier PDF (gs via ps) ====
+Voici une méthode avec les prorgrammes **pdf2ps** et **ps2pdf** en ligne de commande. Ces programmes sont intégrés au paquets **GhostScript**.
+On considère que l'on souhaite transformer le fichier nommé **livre.pdf**. Le résultat sera dans le fichier **livre-opti.pdf**
+<code>
+pdf2ps livre.pdf inter.ps
+ps2pdf -dPDFSETTINGS=/prepress inter.ps livre-opti.pdf
+</code>
+L'option **dPDFSETTINGS** défini la qualité d'image issue du fichier PDF. Elle peut prendre les valeurs (du moins bon au meilleur résultat) **/screen**, **/default**, **/ebook**, **/printer**, **/prepress**
+==== - Recompiler un fichier PDF (gs) ====
+Voici une méthode avec les prorgrammes **gs** en ligne de commande. Le programme **gs** s'appelle **GhostScript** qui est un interpreteur de langage PDF et PS.
+On considère que l'on souhaite transformer le fichier nommé **livre.pdf**. Le résultat sera dans le fichier **livre-opti.pdf**
+<code>
+gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -dPDFSETTINGS=/ebook -sOutputFile=livre-opti.pdf livre.pdf
+</code>
+L'option **dPDFSETTINGS** défini la qualité d'image issue du fichier PDF. Elle peut prendre les valeurs (du moins bon au meilleur résultat) **/screen**, **/default**, **/ebook**, **/printer**, **/prepress**
+==== - Extraire le texte présent dans un PDF ====
+Votre fichier PDF peut contenir un ensemble de textes. Celui-ci peut être extrait directement en fichier texte.
+Voici une méthode avec le prorgramme **pdftotext** en ligne de commande. Ce programme fait partie de la suite **poppler-utils**.
+On considère que l'on souhaite extraire le texte présent dans le fichier nommé **livre.pdf**. Le résultat sera dans le fichier **livre.txt**
+<code>
+pdftotext livre.pdf livre.txt
+</code>
+==== - Deviner le texte d'un fichier PDF ====
+Si votre fichier PDF ne comporte que des images, il est nécessaire de ''deviner'' le texte présent. Il s'agit de la méthode OCR. Voici une méthode avec le prorgramme **ocrmypdf** en ligne de commande.
+Ce programme peut être installé avec la commande :
+  sudo apt install ocrmypdf
+On considère que l'on souhaite extraire le texte présent dans le fichier nommé **livre.pdf**. Le résultat sera dans le fichier **livre.txt**
+<code>
+ocrmypdf livre.pdf livre.txt -l fra
+</code>
+Le dictionnaire OCR s'appuie sur le programme **tesseract**. Il faut installer le dictionnaire que l'on souhaite utiliser par la suite :
+  sudo apt install tesseract-ocr-fra