# Triturer ses PDF à la ligne de commande

Cette publication est issue de [[https://pad.caldarium.be/pdf?edit|l'atelier .pdf du di 16 mai 2021]].

## Installe tes paquets

```
sudo apt-cache policy poppler-utils (1)
  Installé : 0.71.0-5
sudo apt-cache policy ghostscript (2)
  Installé : 9.27~dfsg-2+deb10u4
sudo apt-cache policy pdftk (3)
  Installé : 2.02-5
sudo apt-cache policy tesseract-ocr
  Installé : 4.0.0-2
sudo apt-cache policy tesseract-ocr-fra
  Installé : 1:4.00~git30-7274cfa-1
```

**Éventuellement :**

xournal : annoter livrer, ou compléter un questionnaire, y coller une signature et réimprimer 

mupdf : visionner un pdf, même s'il n'est pas tout à fait standard et 'un peu tronqué'


## Je vois à l'intérieur…

```
pdfdetach -list
pdfdetach -saveall
```
(pdfattach)

```
pdfinfo
pdfinfo -h #pour afficher l'aide
```

## J'allège

gs, pour alléger le fichier

3 niveaux de qualité : /screen /ebook /printer

```
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/ebook -dNOPAUSE -dBATCH -sOutputFile=file.pdf origine.pdf 
```

## Pour alléger, je coupe et recolle

```
pdftk myfile.pdf cat 1-11 13-30 output myfileRaboté.pdf
pdftk myfile.pdf cat 59-end output myfilePart.pdf 
pdftk in1.pdf in2.pdf cat output out1.pdf
```

## Je transmute en txt

```
pdftotext -layout eticket_vaccin_2.pdf etick2.txt
pdftocairo fichier.pdf -tiff -gray
tesseract fichier-002.tif fichier-002 -l fra
(-l eng+deu+fra+ita)
```

Rassembler tous les (noms de) fichiers image en un seul fichier

```
ls fichier-*.tif > fichier.txt
```

Scanner le tout en un seul fichier

```
tesseract -l fra fichier.txt fichier-ocr txt
```

Ou (re-)générer un pdf :

```
tesseract -l fra fichier.txt fichierocr pdf
```

## Ou le contraire ! 

supprimer la couche txt

```
pdftocairo -png your.pdf # pdftocairo is from the poppler package and will render all PDF pages to PNG
convert *.png out.pdf # join all PNGs into a single PDF file, from imagemagick
```

## Méta données

```
pdfinfo manuel.pdf
exiftool BigPDF100Mo.pdf
pdftk manuel.pdf dump_data_utf8 output meta.txt 
nano meta.txt
pdftk manuel.pdf update_info_utf8 meta.txt output manuel_modifié.pdf
```

## Références

  * https://wiki.debian.org/PDF
  * https://riptutorial.com/pdf/example/18250/pdftk-server-for-pdf-manipulation
  * https://www.geeksforgeeks.org/installing-and-using-exiftool-on-linux/
  * https://papy-tux.legtux.org/
  * https://doc.ubuntu-fr.org/tesseract-ocr
  * https://linuxfr.org/users/ploum/journaux/scanner-et-ocr-sans-passer-par-le-cloud#comment-1843232
  * https://tesseract-ocr.github.io/tessdoc/ ## train yr tesseract 4


## digg ? 

```
cat /usr/share/applications/mimeinfo.cache | grep pdf

application/pdf=org.gnome.Evince.desktop;inkscape.desktop;libreoffice-draw.desktop;xpdf.desktop;xournal.desktop;calibre-ebook-viewer.desktop;mupdf.desktop;calibre-gui.desktop;gimp.desktop;

apropos pdf >> apropospdf
apt-cache show pdf* >> showpdf
```

## Matos

pdf lourdingue à autopsier

? Pains Gourmands - 50 Recettes simples et creatives.pdf\\  
! Camille Lavrat - Trucs et astuces de A a Z BRICO\\  
(recherche sur 'cuisine', y'a qques autres lourds)


## Autres outils dispo

```
apt-cache pkgnames pdf

pdfarranger, xpdf, qpdf, pdfShuffler… 
```

```
pdftk BigPDF100Mo.pdf cat 1 5 7 9-10 12-16 18 21-26 28-34 36-44 46-48 50 52-54 58-60 62-64 68-70 72-74 76 78-80 82 85-104 114-116 118 120 122 124-126 128 130 132-146 148-156 158-160 output SmallerPDF.pdf 
 
pdftk MyMagazine.pdf cat 8 output MyMagazinep.8.pdf 
ocrmypdf -l fra MyMagazinep8.pdf MyMagazinep8-ocr.pdf
--psm N

pdftotext -layout MyMagazinep8-ocr.pdf MyMagazinep8.txt

pdftocairo MyMagazinep.pdf -ps (fausse piste ?)

pdftocairo MyMagazinep.pdf -tiff -gray ## dès maintenant, page par page
tesseract MyMagazinep-007.tif MyMagazinep-007 -l fra
```