Wie kann ich verhindern, dass mein PDF-zu-SVG-Konvertierungscode aufgeblähten Inhalt generiert?

Ich möchte PDF in SVG konvertieren. Ich habe mein eigenes Java-Programm mit den Bibliotheken Apache PDFBox und Batik geschrieben

PDDocument document = PDDocument.load( pdfFile );
DOMImplementation domImpl =
    GenericDOMImplementation.getDOMImplementation();

// Create an instance of org.w3c.dom.Document.
String svgNS = "http://www.w3.org/2000/svg";
Document svgDocument = domImpl.createDocument(svgNS, "svg", null);
SVGGeneratorContext ctx = SVGGeneratorContext.createDefault(svgDocument);
ctx.setEmbeddedFontsOn(true);

// Ask the test to render into the SVG Graphics2D implementation.

    for(int i = 0 ; i < document.getNumberOfPages() ; i++){
        String svgFName = svgDir+"page"+i+".svg";
        (new File(svgFName)).createNewFile();
        // Create an instance of the SVG Generator.
        SVGGraphics2D svgGenerator = new SVGGraphics2D(ctx,false);
        Printable page  = document.getPrintable(i);
        page.print(svgGenerator, document.getPageFormat(i), i);
        svgGenerator.stream(svgFName);
    }

Diese Lösung funktioniert, aber die Größe der resultierenden SVG-Dateien ist riesig (um ein Vielfaches größer als die ursprüngliche PDF-Datei). Ich habe herausgefunden, wo das Problem liegt, indem ich mir die SVG-Datei in einem Texteditor angesehen habe: Sie umschließt jedes Zeichen im Originaldokument in einem eigenen <text> </text> blockieren, auch wenn die Schriftarteigenschaften der Zeichen gleich sind.

Beispielsweise wird das Wort „Hallo“ in Form von 6 verschiedenen Textblöcken angezeigt.

Gibt es eine Möglichkeit, den obigen Code zu reparieren? Oder gibt es eine andere Lösung, die effizienter funktioniert?

Inkscape kann auch zum Konvertieren von PDF in SVG verwendet werden. Darin ist es tatsächlich bemerkenswert gut, und obwohl der Code, den es generiert, etwas aufgebläht ist, scheint es zumindest nicht das besondere Problem zu geben, auf das Sie in Ihrem Programm stoßen. Ich denke, es wäre eine Herausforderung, es direkt in Java zu integrieren, aber Inkscape bietet eine praktische Befehlszeilenschnittstelle für diese Funktionalität, sodass der Zugriff wahrscheinlich am einfachsten über einen Systemaufruf wäre.

Um die Befehlszeilenschnittstelle von Inkscape zum Konvertieren einer PDF-Datei in eine SVG-Datei zu verwenden, verwenden Sie Folgendes:

inkscape -l out.svg in.pdf

Was Sie dann wahrscheinlich aufrufen können mit:

Runtime.getRuntime().exec("inkscape -l out.svg in.pdf")

http://download.oracle.com/javase/1.4.2/docs/api/java/lang/Runtime.html#exec%28java.lang.String%29

Ich denke, exec() ist synchron und kehrt erst zurück, nachdem der Prozess abgeschlossen ist (obwohl ich da nicht 100 % sicher bin), also sollten Sie danach einfach „out.svg“ lesen können. Wenn Sie „Java-Systemaufruf“ googeln, erhalten Sie auf jeden Fall weitere Informationen darüber, wie dieser Teil richtig ausgeführt wird.

Schauen Sie mal rein pdf2svg (auch auf auf Github):

Benutzen

pdf2svg <input.pdf> <output.svg> [<pdf page no. or "all" >]

Beim Benutzen all Geben Sie einen Dateinamen mit ein %d darin enthalten ist (die durch die Seitenzahl ersetzt wird).

pdf2svg input.pdf output_page%d.svg all

Und für einige Fehlerbehebungen siehe:
http://www.calcmaster.net/personal_projects/pdf2svg/

pdftocairo kann zum Konvertieren von PDF in SVG verwendet werden.
Es ist Teil von Poppler-Utils die entweder von installiert werden kann PyPI über piperstellt aus Git oder über den Paketmanager Ihres Betriebssystems ^{(Beispiel: Ubuntu/Deb hat es unter demselben Namen)}.

Um beispielsweise die zweite Seite einer PDF-Datei zu konvertieren, kann der folgende Befehl ausgeführt werden:

pdftocairo -svg -f 1 -l 1 input.pdf

Ich habe Probleme mit den empfohlenen Tools inkscape, pdf2svg oder pdftocairo sowie mit den nicht empfohlenen Convert- und Mutool-Tools festgestellt, als ich versuchte, große und komplexe PDFs wie einige der topografischen Karten des USGS zu konvertieren. Manchmal stürzten sie ab, manchmal erzeugten sie massiv überdimensionierte Dateien.

Das einzige PDF-zu-SVG-Konvertierungstool, das alle für meinen Anwendungsfall korrekt verarbeiten konnte, war dvisvgm. Die Verwendung ist ganz einfach:

dvisvgm --pdf --output=file.svg file.pdf

Es verfügt über verschiedene zusätzliche Optionen zum Umgang mit der Konvertierung von Elementen sowie zur Optimierung. Die resultierenden Dateien können weiter komprimiert werden SVGCleaner ggf. ohne Wahrnehmungsqualitätsverlust.

Sie können Bash in einer *nix-Umgebung verwenden.

Der Burst-Vorgang teilt jede Seite im PDF in Dateien auf. to-svg.sh durchläuft diese einseitigen PDFs, um die zugehörige SVG-Datei zu generieren

pdftk 82page.pdf burst
sh to-svg.sh 

Inhalt von to-svg.sh

#!/bin/bash
FILES=burst/*
for f in $FILES
do
  inkscape -l "$f.svg" "$f"
done

Inkscape funktioniert nicht mit dem -l Option nicht mehr. Es hieß: „Datei kann nicht geöffnet werden: /out.svg (existiert nicht)“. Die Langform dieser Option finden Sie in der Manpage als --export-plain-svg und funktioniert, zeigt aber eine Verfallswarnung an. Ich konnte den Befehl mithilfe von reparieren und aktualisieren -o Option auf Inkscape 1.1.2-3ubuntu4:

inkscape in.pdf -o out.svg