Trattamento delle fotocopie

mutool ci permette di fare questa operazione in modo molto semplice.

mutool merge 1.pdf 2.pdf 3.pdf 4.pdf -o A.pdf

adesso il file A.pdf contiene l'intera scansione. L'opzione merge di mutool permetterebbe anche di selezionare quale pagine di quale file riportare all'interno del PDF di output semplicemente scrivendo dietro il file PDF di input il numero della pagina da estrarre secondo la sintassi:

mutool merge
usage: mutool merge [-o output.pdf] [-O options] input.pdf [pages] [input2.pdf] [pages2] ...
        -o -    name of PDF file to create
        -O -    comma separated list of output options
        input.pdf       name of input file from which to copy pages
        pages   comma separated list of page numbers and ranges

Questa operazione è semplice e diretta, basta ancora usare mutool e l'opzione poster. L'opzione poster, come dice il nome, servirebbe piuttosto a spezzare una foglio in un certo numero di parti per poi poter ricostruire una stampa molto ampia, un poster appunto, con quella pagina; noi la useremo piuttosto per spezzare in due in verticale tutte la pagine di un PDF.

mutool poster -y 2 A.pdf B.pdf

L'opzione -y 2 indica, come richiesto, la divisione del foglio in due secondo la direttrice verticale.

Come si può vedere dal file PDF prodotto i margini bianchi per le pagine pari e dispari sono differenti, per fare un lavoro più preciso è necessario separare il file B.pdf in due: B-pari.pdf contenente le pagine pari e B-dispari.pdf contenente le pagine dispari.

Lo si fa in due passi:

1. Si esportano tutte le pagine singole del PDF (con pdfseparate)
2. Le si ricompongono con pdfunite

Per ritagliare (crop) le pagine puoi usare il comando pdfjam in questo modo:

pdfjam --keepinfo --trim "30mm 10mm 10mm 25mm" --clip true --suffix "ritagliato" B-pari.pdf
pdfjam --keepinfo --trim "10mm 10mm 40mm 25mm" --clip true --suffix "ritagliato" B-dispari.pdf

Le dimensioni presenti nell'opzione -trim sono nella sequenza: sinistra sotto destra sopra e vanno trovate facendo un po' di prove. Alla fine verrà fuori un file denominato con il suffisso indicato (nel nostro caso i file saranno B-pari-ritagliato.pdf e B-dispari-ritagliato.pdf).

Ora non resta che ricomporre il file PDF definitivo e si può usare pdftk così:

pdftk A=B-dispari-ritagliato.pdf B=B-pari-ritagliato.pdf shuffle A B output risultato.pdf

Il file finale si chiama ora risultato.pdf.

Per non dimenticare i passaggi io di solito mi costruisco sempre brevi script shell. Questo è quello per il compito in esame:

#! /bin/bash
# epdf_split-n-crop input.pdf "even-page-trim-dimensions" "odd-pages-trim-dimensions"  output.pdf
INPUT=$1
OUTPUT=$4
EVENP_TD=$2
ODDP_TD=$3
mutool poster -y 2 $1 B-$1.pdf
pdfseparate B-$1.pdf pag-%d.pdf
ULTIMA_PAG=$(ls -1 pag-*.pdf|cut -c 5-|cut -d. -f 1|sort -n|tail -1)
echo "pdfunite pag-{1..$ULTIMA_PAG..2}.pdf B-dispari.pdf "|ksh
echo "pdfunite pag-{2..$ULTIMA_PAG..2}.pdf B-pari.pdf "|ksh
pdfjam --keepinfo --trim "$EVENP_TD" --clip true --suffix "ritagliato" B-pari.pdf
pdfjam --keepinfo --trim "$ODDP_TD" --clip true --suffix "ritagliato" B-dispari.pdf
pdftk A=B-dispari-ritagliato.pdf B=B-pari-ritagliato.pdf shuffle A B output $OUTPUT
rm pag-*.pdf B-dispari*.pdf B-pari*.pdf

In questo script ci sono solo due piccole magie. La riga

ULTIMA_PAG=$(ls -1 pag-*.pdf|cut -c 5-|cut -d. -f 1|sort -n|tail -1)

calcola da sola il numero dell'ultima pagina disponibile. Le due righe seguenti mandano il comando ad una Korn Shell sottostante perché la Bash shell (che si usa di solito) non ha quel tipo di sequenze con l'indicazione del passo.

L'obiettivo era rimettere a posto un PDF scansionato in modo da ottenere un file più facile da studiare, ad esempio su un tablet.

Alcuni miglioramenti potrebbero essere fatti:

1. Forse il miglioramento più importante sarebbe quello di far diventare il file PDF finale ricercabile, ovvero far passare un OCR sul prodotto finale. Non me la cavo troppo bene con questo e l'unica idea che mi verrebbe ora come ora è usare il programma dello scanner (purtroppo non open-source). Per farlo dovrei di nuovo spaginare il file e trasformarlo in immagini JPG contenenti una singola pagina, poi darlo in pasto al programma dello scanner che potrebbe a quel punto salvarlo in PDF/A ricercabile, facendo quindi passare il suo OCR sopra. Qualcuno ha una migliore idea?
2. Potrebbero essere scoperti automaticamente i margini del ritaglio (cosa non necessariamente facile da fare). Non saprei come fare.
3. Questo mi viene in mente guardando la scansione che ho a disposizione che è evidenziata e sottolineata (fortunatamente scansionata a colori). Sarebbe possibile eliminare dalle pagine tutto quello che non è di colore nero? (questo potrebbe tornare utile).

Potete come sempre scrivermi per le vostre soluzioni (che pubblicherò qui)