Manipulation des fichiers PDF

Les fichiers Adobe PDF sont devenus une norme pour les échanges de documents. Ces fichiers peuvent avoir un poids en octets conséquent notamment en raison de la présence d'images. S'il existe des solutions pour transmettre des fichiers lourds (WeTransfer par ex.) il peut s'avérer judicieux de réduire leur taille. Nous pouvons aussi avoir besoin de modifier les métadatas ou de joindre plusieurs fichiers ensembles. Pour cela nous disposons de nombreuses solutions. Celles que nous allons étudier reposent sur Ghostscript (logiciel gratuit) à partir d'un Terminal (bash, zsh, Powershell, etc.) soit à l'aide du code Python.

Utilisation dans le terminal
Automatisation
- Avec le Terminal
  - Windows Powershell
  - Shell MacOS/Linux
- Avec Python
Compiler les sources

Utilisation dans le terminal

Nous allons commencer par installer Ghostscript avant de voir les différents usages.

Installation

Windows

Nous installons Ghostscript à partir de la page de téléchargement. Sous Windows 11 nous choisissons la version 64 bit.

La version est installée dans le dossier C:\Program Files\gs. A l'intérieur un sous-repertoire pour la version installée. Par exemple, un sous-répertoire gs10.02.1.

Dans un sous-répertoire bin, nous avons deux exécutables :

gswin64.exe qui ouvre Ghostscript dans une fenêtre
gswin64c.exe qui ouvre Ghostscript dans le terminal

Par exemple pour ouvrir Ghostscript dans Powershell nous utiliserons un de ces exécutables.

PS C:\Users\gilles> & 'C:\Program Files\gs\gs10.00.0\bin\gswin64c.exe'
GPL Ghostscript 10.0.0 (2022-09-21)
Copyright (C) 2022 Artifex Software, Inc. All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.
GS>

Pour une utilisation avec PowerShell il conviendra de prendre garde à la syntaxe. Par exemple pour le paramètre CompatibilityLevel nous écrirons -dCompatibilityLevel='1.4' ou -dCompatibilityLevel=1.4.

macOS

Pour installer Ghostscript sur macOS nous allons passer par le gestionnaire de package brew

% brew update
% brew upgrade
% brew install ghostscript
% brew brew cleanup

La mise à jour de Ghostscript se fait avec le paramètre upgrade.

% brew upgrade ghostscript

A noter que pour afficher les fichiers PDF avec Ghostscript nous devons installer xquartz :
% brew install --cask xquartz

L'exécutable de Ghostscript est gs Pour connaître la version de Ghostscript :

% gs --version
9.56.1

Pour connaître l'emplacement de l'exécutable :

% which gs
/opt/local/bin/gs

Il est possible que le fichier à cet emplacement soit un lien symbolique. Pour vérifier cela nous tapons la ligne de commandes qui suit. Nous constatons que les informations du fichier commence par l (link). -> précise l'emplacement de l'exécutable lié et qui sera exécuté.

% ls -la /opt/local/bin/gs
lrwxr-xr-x 1 root wheel 47 15 déc 11:07 /opt/local/bin/gs -> /opt/homebrew/Cellar/ghostscript/10.02.1/bin/gs

Nous pouvons constater que par exemple la dernière version est installée par brew dans le dossier /opt/homebrew/Cellar/ghostscript. A l'intérieur de cet emplacement nous avons un répertoire par version de ghostscript. Par exemple, nous avons un répertoire 10.01.2. A l'intérieur un sous-répertoire bin avec l'exécutable gs (pour Ghostscript).

% /opt/homebrew/Cellar/ghostscript/10.01.2/bin/gs
GPL Ghostscript 10.01.2 (2023-06-21)
Copyright (C) 2023 Artifex Software, Inc. All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.

Nous pouvons créer un lien symbolique vers l'exécutable pour un appel simplifié. Dans notre cas nous utiliserons ghostscript pour appeler l'exécutable gs. La commande ln avec l'option -s crée un lien symbolique vers un fichier.

% sudo rm /opt/local/bin/gs
% sudo ln -s /opt/homebrew/Cellar/ghostscript/10.01.2/bin/gs /opt/local/bin/ghostscript
% which ghostscript
/opt/local/bin/ghostscript

Linux

En fonction de la distribution utilisée, nous utiliserons les lignes de commandes qui suivent.

Pour les distributions à base de Debian

gilles@debian:~$ sudo apt update
gilles@debian:~$ sudo apt install ghostscript

Pour la distribution Arch Linux

[gilles@Archlinux ~]$ sudo pacman -U http://mirror.archlinuxarm.org/aarch64/extra/libpaper-2.1.1-1-aarch64.pkg.tar.xz
[gilles@Archlinux ~]$ sudo pacman -S ghostscript

Pour la distribution Alpine Linux

~ $ sudo apk update
~ $ sudo apk add ghostscript

Pour les distributions à base de Fedora

$ sudo yum install ghostscript

L'exécutable de Ghostscript est gs.

Pour construire l'application Ghostscript à partir des sources, nous procédons comme suit.

Nous commençons par récupérer un URL valide vers l'archive contant les sources. Pour cela, nous allons sur la page de téléchargement et nous récupérons le lien (par ex. https://github.com/ArtifexSoftware/ghostpdl-downloads/releases/download/gs10012/ghostscript-10.01.2.tar.gz).
Dans le terminal nous nous déplaçons dans le répertoire de téléchargement ou dans un répertoire temporaire quelconque. Nous allons décompresser dans ce répertoire les sources. Pour télécharger l'archive dans le terminal nous avons à notre disposition la commande wget. Si elle n'est pas disponible, tous les gestionnaires de paquets la répertorie dans leurs dépôts (par ex. sudo apt install wget).
Nous dé-archivons le fichier téléchargé. A partir d'un gestionnaire de fenêtres, en double cliquant dessus nous allons pouvoir le faire automatiquement. Dans le terminal nous utiliserons une ligne de commandes pour dé-archiver : tar -xzf ghostscript-10.01.2.tar.gz. Un sous répertoire est créé. Les sources sont à l'intérieur
Nous définissons comme répertoire en cours la racine de ce répertoire. Par ex. cd ghostscript-10.01.2
A l'intérieur, nous exécutons le fichier de configuration ./configure. Ce fichier va préparer la compilation à partir des données collectées dans le système (architecture par exemple). Un fichier makefile est créé.
Pour lancer la compilation du code nous tapons la commande make. Cette opération peut être plus ou moins longue en fonction de la puissance de l'ordinateur.
Enfin, pour installer le code compilé dans notre système, nous exécuterons en mode super utilisateur la commande sudo make install

En résumé, nous pouvons exécuter les commandes suivantes :

[gilles@Archlinux Downloads]$ wget https://github.com/ArtifexSoftware/ghostpdl-downloads/releases/download/gs10012/ghostscript-10.01.2.tar.gz
[gilles@Archlinux Downloads]$ tar -xzf ghostscript-10.01.2.tar.gz
[gilles@Archlinux Downloads]$ cd ghostscript-10.01.2
[gilles@Archlinux ghostscript-10.01.2]$ ./configure
[gilles@Archlinux ghostscript-10.01.2]$ make
[gilles@Archlinux ghostscript-10.01.2]$ sudo make install

Options

Ghostscript est une logiciel en ligne de commandes. Par défaut, il va s'exécuter en mode interactif. L'utilisateur doit entrer les commandes à la suite d'un prompt et les valider par appui sur la touche entrée. Pour sortir de ce mode, il faut taper la commande quit.

Pour ce qui nous concerne il est plus intéressant de l'utiliser en mode shell, sans interaction. A la suite du nom de la commande Ghostscript (par ex. gs) nous saisirons une suite de paramètres et d'arguments, ainsi que le nom des fichiers à traiter en entrée et en sortie.

Commandes	Descriptions
gs -h	Affiche l'aide et la configuration de base, notamment la liste des périphériques disponibles (device).
-q ou -dQUIET	Supprime l'affichage des messages de démarrage (version, copyright)
-f	Définir un fichier en entrée
-d	Affecte une valeur à un paramètre interne. Cette valeur doit avoir un type de données reconnue par Ghostscript comme par exemple false, true ou null. Ce peut être également une valeur numérique.
-s	Affecte sous forme de texte une valeur à un paramètre interne
-dNODISPLAY	Utilise un périphérique NUL qui ne génère pas de sortie. Cela remplace le périphérique de sortie par défaut ou défini avec -sDEVICE=. A utiliser dans le cas d'une évaluation.
-dPDFSETTINGS=	Profile Adobe Distiller pour traiter le fichier en sortie. Ils comportent des préréglages en fonction de la destination. Par ex. /screen. Les valeurs possibles sont : \screen (résolution basse, optimisé pour les écrans), \ebook (résolution moyenne, optimisé pour livre numérique), \printer (résolution élevée, optimisé pour impression), \prepress (optimisé prepress) et \default
-sDEVICE=	Défini le périphérique de sortie. C'est par exemple un fichier Adobe PDF avec pdfwrite.
-sPAPERSIZE=	Défini les dimensions par défaut des pages. Par ex. -sPAPERSIZE=a4 ou -sPAPERSIZE=legal
-dFIXEDMEDIA	Fixe les dimensions des médias (images) pour les adapter
-dPDFFitPage	Ajuste le contenu au dimension de la page
-dDEVICEWIDTHPOINTS=w	Définir la largeur d'une page en DPI (point par pouce, 1 point = 1/72 de pouce ). Par exemple
-dDEVICEHEIGHTPOINTS=h	Définir la hauteur d'une page en DPI (point par pouce, 1 point = 1/72 de pouce ). Par exemple -dDEVICEHEIGHTPOINTS=300
-dMonoImageResolution=	Résolution en DPI pour les images monochrome. Par ex. -dMonoImageResolution=100
-dColorImageResolution=	Résolution en DPI pour les images couleur. Par ex. 100
-dGrayImageResolution=	Résolution en DPI pour les images en niveaux de gris. Par ex. 150
-dDownsampleColorImages=	Autorise la modification de la résolution des images couleurs. true pour autoriser.
-dColorImageDownsampleType=	Défini la méthode de transformation de la résolution des images. Les valeurs possibles sont : /Subsample, /Average et /Bicubic.
-dAntiAliasColorImages=	Active le traitement anti-alias des images couleurs. true pour autoriser.
-dDownsampleGrayImages=	Autorise la modification de la résolution des images en niveaux de gris. true pour autoriser.
-dGrayImageDownsampleType=	Défini la méthode de transformation de la résolution des images. Les valeurs possibles sont : /Subsample, /Average et /Bicubic.
-dAntiAliasGrayImages=	Active le traitement anti-alias des images en niveaux de gris. true pour autoriser.
-dDownsampleMonoImages=	Autorise la modification de la résolution des images monochromes. true pour autoriser.
-dMonoImageDownsampleType=	Défini la méthode de transformation de la résolution des images. Les valeurs possibles sont : /Subsample, /Average et /Bicubic.
-dAntiAliasMonochromeImages=	Active le traitement anti-alias des images en monochrome. true pour autoriser.
-dBlackText	Appliquer une couleur noire à tous les contenus textes. Cela ne concerne pas le texte dans les images.
-dBlackVector	Appliquer une couleur noire à tous les contenus vectoriels.
-sOCRLanguage=	Définir la langue utilisée pour la reconnaissance de caractères (OCR). Par ex. -sOCRLanguage="fra".
-dOCREngine=	Choisir le moteur OCR à utiliser (0 pour Legacy Tesseract et 1 pour LSTM/Neural Network).
-dBATCH	N'ouvre pas la console de Ghostscript et traite directement le ou les fichiers en entrée. Ghostscript se ferme automatiquement quand toutes les opérations sont terminées. A utiliser pour l'utilisation dans des scripts
-dNOPROMPT	En mode interactif, masque l'invite pour saisir de Ghostscript
-dNOPAUSE	Désactive la pause automatique après chaque page. Il est utilisé conjointement avec Normalement, on -dBATCH.
-sColorConversionStrategy=	Défini la stratégie de conversion des couleurs avec une chaîne de caractères. Les valeurs possibles sont : LeaveColorUnchanged, Gray, RGB, ou CMYK.
-dColorConversionStrategy=	Défini la stratégie de conversion des couleurs. Les valeurs possibles sont : /LeaveColorUnchanged, /Gray, /RGB, ou /CMYK.
-dCompatibilityLevel=	Niveau de compatibilité. Par ex. 1.4
-o ou -sOutputFile=	Définir le fichier de sortie avec les options -dBATCH et -dNOPAUSE. Par ex. -o out.pdf ou -sOutputFile=out.pdf
-sCompression=	Type de compression None, LZW, Flate, jpeg et RLE
-dDetectDuplicateImages=	Regroupe en une seule images les images ayant un hashage identique. La valeur par défaut est à true.
-c "..."	Définir une commande Postscript et demander à Ghostscript de l'interpréter. La ou les commandes sont placées entre double guillemets.
-dFirstPage=	Début de la page à traiter. Par ex. -dFirstPage=3 pour ignorer les 2 premières pages
-dLastPage=	Dernière page à traiter. Par ex. -dLastPage=182 pour ignorer les pages après la page 182
-sPageList=	Définir les pages à traiter. Il peut y avoir trois types de valeurs : odd (toutes les pages impaires), even (toutes les pages paires) et une liste de pages. La liste de page peut être formalisée par une liste de numéros de page séparé par une virgule (par ex. -PageList=2,30,42), une plage de page avec le signe moins (par ex. -PageList=2-42), et une liste de pages et de plages de pages (par ex. -PageList=2,7,10-29,40).
-sOwnerPassword=	Définir le mot de passe du propriétaire du document. Le document peut être ouvert, mais il sera limité aux permissions accordés par le propriétaire (modification, impression, etc.).
-sUserPassword=	Définir le mot de passe de l'utilisateur lors de l'ouvrir de document. S'il n'est pas défini, le document peut être ouvert sans mot de passe. Par contre pour les permissions comme l'impression, il faut le mot de passe du propriétaire (-sOwnerPassword=).
-dEncryptionR=	Définir la méthode d'encryptage. Pour une utilisation avec les versions 1.4 et suivantes, nous utiliserons gestionnaire de sécurité révision 3 (-dEncryptionR=3)
-dKeyLength=	Définir la longueur en bits de la clef d'encryption. Pour la révision 3 du gestionnaire de sécurité est de 128.
-dPermissions=	Définir sous forme de bit les autorisations PDF (impression, copie du texte ou des graphiques, insertion, rotation, suppression de pages, ajout d'annotations ou de signatures, remplissage des champs de formulaire). Par ex. pour n'autoriser que l'impression -dPermissions=196
-sPDFPassword=	Définir le mot de passe pour ouvrir un document protégé.

Afficher un PDF

Par exemple, sous Linux, nous indiquons à Ghostscript le fichier à afficher.

[gilles@Archlinux Downloads]$ gs cours-python.pdf

GPL Ghostscript 10.01.2 (2023-06-21)
Copyright (C) 2023 Artifex Software, Inc. All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.
Unknown .defaultpapersize: (A4).
Processing pages 1 through 298.

Page 1

>>showpage, press >return> to continue>>

Obtenir des informations

Pour récupérer les informations disponibles dans un fichier PDF et afficher les métadatas nous procéderons comme suit :

% gs -dQUIET -dBATCH -dNODISPLAY -dNOPAUSE -dPDFINFO "merge.pdf"

(null) has 15 pages

Title: ??
Author: Gilles
Subject:
Keywords:
Creator: ??
Producer: GPL Ghostscript 9.56.1
CreationDate: D:20230718174033+02'00'
ModDate: D:20230718174033+02'00'

La date et l'heure sont définies au format D:%Y%m%d%H%M%S ou D:%Y%m%d%H%M%S%z (avec prise en compte de la Timezone). Pour convertir une date en utilisant le langage Python nous procéderons ainsi :

from datetime import datetime, timezone
from tzlocal import get_localzone

# PDF Date -> date
dateShortPDF=datetime.strptime('D:20230719101359','D:%Y%m%d%H%M%S')
print(dateShortPDF) # -> 2023-07-19 10:13:59

# PDF Date avec Timezone -> date
dateTimezonePDF = datetime.strptime("D:20231226132119+01'00'".replace("'",':')[:-1],'D:%Y%m%d%H%M%S%z')
print(dateTimezonePDF) # -> 2023-12-26 13:21:19+01:00

# date -> PDF Date
dateActuelle=datetime.strftime(datetime.now(), 'D:%Y%m%d%H%M%S')
print(dateActuelle) # -> 'D:20230719101359'

# date -> PDF Date avec TimeZone
dateTimezoneActuelle = datetime.strftime(datetime.now(timezone.utc).astimezone(get_localzone()), 'D:%Y%m%d%H%M%S%z')
dateTimezoneActuelle = f"{dateTimezoneActuelle[:-2]}'{dateTimezoneActuelle[19:]}'"

tzlocal est une biblothèque non built-in. Il faut l'importer avec pip install tzlocal.

Pour afficher le détail des documents PDF il existe une alternative avec Poppler. C'est une bibliothèque open source spécialisée pour les documents PDF.

% brew install poppler

Pour afficher les informations d'un fichier PDF nous passerons son nom en paramètre à pdfinfo.

% pdfinfo "/Users/gilles/Downloads/source.pdf"
Title:
Creator: Adobe Acrobat 22.1
Producer: Adobe Acrobat 22.1 Image Conversion Plug-in
CreationDate: Wed Nov 8 19:01:34 2023 CET
ModDate: Wed Nov 8 19:01:34 2023 CET
Custom Metadata: no
Metadata Stream: yes
Tagged: no
UserProperties: no
Suspects: no
Form: none
JavaScript: no
Pages: 567
Encrypted: no
Page size: 532.8 x 646.08 pts
Page rot: 0
File size: 438948393 bytes
Optimized: yes
PDF version: 1.6

Les dimensions de la page (page size) sont en points. Il y a 72 points dans un inch (dpi ou dot per inch) ou 72 pixels dans un inch (ppi ou pixel per inch). Un inch (pouce) mesure 2.54 centimètres.

Pour les convertir nous appliquons la formule suivante : valeur en point multipliée par 1/72 et multipliée par 2.54 pour obtenir une valeur en centimètres. Dans notre exemple, nous évaluons la largeur 532.8 soit 18.796 cm. La hauteur sera de 22.792 cm.

$$ largeur = {\text{points} * 2.54\text{ cm} \over 72\text{ dpi}} = {532.9 * 2.54\text{cm} \over 72\text{ dpi}} = 18.796\text{ cm}$$

Pour connaître le détail des images d'un document PDF, nous exécuterons la ligne suivante :

% pdfimages -list "/Users/gilles/Downloads/source.pdf"

page num type width height color comp bpc enc interp object ID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------------
1 0 image 2220 2692 rgb 3 8 jpeg no 3564 0 300 300 945K 5.4%
2 1 image 2220 2692 rgb 3 8 jpeg no 4 0 300 300 497K 2.8%
3 2 image 2220 2692 rgb 3 8 jpeg no 8 0 300 300 581K 3.3%
4 3 image 2220 2692 rgb 3 8 jpeg no 12 0 300 300 666K 3.8%
...

Dans ce tableau nous identifions la largeur (pixels), hauteur (pixels), mode couleur (RGB ou niveaux de gris) et la densité de points par pouce (inch) en largeur (x) et en hauteur (y). Nous pouvons évaluer la largeur et la hauteur d'une image en centimètres :

$$ \text{largeur} = {2220 * 2.54\text{ cm} \over 300\text{ dpi}} = 18.796\text{ cm}$$

$$ \text{hauteur} = {2692 * 2.54\text{ cm} \over 300\text{ dpi}} = 22.792\text{ cm}$$

Pour connaître le nombre de points par pouce à partir d'une largeur en pixels et en centimètres, nous écrirons la formule suivante :

$$ \text{dpi} = {\text{Nbr pixels} * 2.54\text{ cm} \over \text{longueur en cm}} = {2220\text{ pixels} * 2.54\text{ cm} \over 18.796\text{ cm}} = 300\text{ dpi}$$

Pour connaître le nombre de pixels à partir des DPI et de la longueur en centimètres.

$$ \text{pixels} = {\text{dpi} * \text{longueur en cm} \over 2.54\text{ cm}} = {300\text{ dpi} * 18.796\text{ cm} \over 2.54\text{ cm}} = 2220\text{ pixels}$$

A partir de ces informations, nous pouvons ajuster un document PDF pour une impression optimale. Par exemple pour imprimer en 300 dpi une page (A4 21 cm x 29.7 cm) avec une image pleine plage, la résolution en pixels sera :

$$ \text{largeur} = {300\text{ dpi}* 21\text{ cm} \over 2.54\text{ cm}} = 2480\text{ pixels}$$

$$ \text{hauteur} = {300\text{ dpi}* 29.7\text{ cm} \over 2.54\text{ cm}} = 3508\text{ pixels}$$

Pour aller plus loin sur le sujet, pour une visualisation optimum sur un écran spécifique (je pense notamment à une liseuse ou une tablette), il faut évaluer la résolution idéale.

Par exemple pour un écran 24" full hd (1920 x 1080) nous aurons une densité de pixels de 92 PPI (Pixels per inch).

$$ \text{ppi} = {\text{largeur en pixels} \over \text{largeur de l'écran en pouce (inch)}} $$

Attention, il s'agit de la largeur d'un écran en pouce, et non pas de la diagonale. Par exemple pour un écran Huawei MateView 28.2" nous avons approximativement une largeur de 23.95 pouces pour > une résolution horizontale de 3840 pixels.

$$ \text{ppi} = {3840\text{ pixels} \over 23.95\text{ pouce (inch)}} = 160 \text{ ppi} $$

Pour un liseuse, par exemple une Amazon Kindle Scribe 10.2" (1860x2480 pixels), nous avons une densité de 300 PPI. Pour récupérer la largeur > en pouce, nous appliquerons la formule suivante :

$$ \text{largeur en pouces} = {\text{largeur en pixels} \over \text{ppi}} = {1860\over300} = 6.2 pouces $$

Pour obtenir une longueur en centimètre, nous devons multiplier une valeur en pouces par 2.54 cm.

Ces formules peuvent également servir pour évaluer les dimensions idéales en pixels d'une image pour une impression en 300 dpi sur du papier en 10 x 15 cm :

$$ \text{largeur en pixels} = { 300 \text{ dpi} * 10 \text{ cm} \over 2.54 \text{ cm} } = 1181 \text{ pixels}$$

$$ \text{hauteur en pixels} = { 300 \text{ dpi} * 15 \text{ cm} \over 2.54 \text{ cm} } = 1772 \text{ pixels}$$

La résolution en mégapixels de cette image est évaluée avec la formule suivante :

$$ \text{résolution en mpx} = {{1181\text{ pixels} * 1772\text{ pixels}} \over 1000000\text{ pixels}} = 2.10 \text{ mégapixels}$$

Inversement pour connaître à partir des dimensions en pixels d'une photo, nous pouvons calculer pour une valeur de DPI la dimension d'impression maximale. Par exemple pour un fichier JPEG issu d'un boitier Sony ILCE-7M4 de 33 mpx (7008 × 4672), les dimensions à 200 DPI sont :

$$ \text{largeur en cm} = { 7008 \text{ dpi} * 2.54\text{ cm} \over 200\text{ dpi} } = 89\text{ cm}$$

$$ \text{hauteur en cm} = { 4672 \text{ dpi} * 2.54\text{ cm} \over 200\text{ dpi} } = 59\text{ cm}$$

Modifier les métadatas

Les métadatas disponibles par défaut sont :

Métadatas	Descriptions
/Title	Titre du document
/Author	Auteur du document
/Subject	Sujet ou objet du document
/Keywords	Mots-clefs séparés par une virgule
/ModDate	Date de modification
/Creator	Créateur
/Producer	Outil de création du document
/CreationDate	Date de création

Le principe pour modifier les métadatas du document est le suivant :

ajouter le paramètre -c
entre doubles guillemets, nous commençons par [
chaque métadata à modifier est insérée avec la nouvelle valeur placée entre parenthèses.
avant les doubles guillemets de fin nous ajoutons /DOCINFO pdfmark

Par exemple : -c "[/Title (Mon document PDF) /Producer (Gilles) /DOCINFO pdfmark"

% gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=150 -sGrayImageDownsampleType=Subsample -dCompatibilityLevel=1.4 -sOutputFile=/Users/gilles/output.pdf /Users/gilles/input.pdf -c "[/Title (Mon document PDF) /Producer (Gilles) /DOCINFO pdfmark"

Déverrouiller

Un document PDF peut être protégé par un mot de passe en ouverture. Pour récupérer par exemple des informations sur ce fichier, nous devrons transmettre le mot de passe avec -sPDFPassword=.

% gs -dQUIET -dBATCH -dNODISPLAY -dNOPAUSE -sPDFPassword=XXXXXXXX -dPDFINFO "crypte.pdf"

(null) has 2 pages

Title: /var/www/kalilab-tmp/ktag8f9l8f.rtf
Author: Laurent Schlegel
Creator: Ted: http://www.nllgg.nl/Ted
Producer: Ted: http://www.nllgg.nl/Ted
CreationDate: D:202108121018
ModDate: D:202109141311

Pour définir un mot de passe à l'ouverture d'un fichier nous utiliserons les options cumulées -sOwnerPassword= (mot de passe administrateur pour permettre le contrôle de la lecture) et -sUserPassword= (mot de passe qui sera demandé à l'ouverture).

% gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -dCompatibilityLevel=2.0 -sOwnerPassword=test -sUserPassword=mot-de-passe -sOutputFile="/Users/gilles/Downloads/dossier-transforme.pdf" -f "/Users/gilles/Downloads/dossier.pdf"

Protéger

Les documents PDF peuvent être protégés en lecture, mais il est également possible certaines actions. Il est possible d'interdire l'impression d'un document (même si on peut toujours imprimer une copie d'écran) ou la modification.

Pour les possesseurs de MacOS ces permissions sont visibles dans l'inspecteur (⌘I).

Techniquement, pour protéger un document PDF en modulant les permissions en fonction des actions autorisées, nous devons assigner à la variable Permissions une valeur sur 32 bits. Cette valeur est le résultat de l'activation ou non des bits. Le 1er bit est à droite.

Bits	Descriptions
1-2	Mettre à 0
3	Autoriser l'impression mettre à 1
4	Autoriser les modifications (insertion, rotation, ou suppression de page)
5	Autoriser la copie/extraction non contrôlée par le bit 10
6	Autoriser les annotations et le remplissage de formulaire. Bit 4 défini afin d'autoriser la forme interactive
7-8	Mettre à 1 (bits réservés)
9	Autoriser le remplissage des champs de formulaire existants
10	Autoriser la copie des textes et des graphiques
11	Mettre à 0
12	Pour activer l'impression haute résolution mettre à 1
13-32	Mettre à 0 pour le gestionnaire de sécurité révision 3, sinon à 1 pour la révision 2.

Il est possible de construire la valeur à l'aide de Python. Dans le REPL, nous pouvons saisir une valeur binaire (les bits sont précédés des caractères 0b). Par exemple ici nous allons autoriser tout en activant les bits 3 à 6, ainsi que les bits 9 et 10.

% python3
Python 3.12.0 (v3.12.0:0fb18b02c8, Oct  2 2023, 09:45:56) [Clang 13.0.0 (clang-1300.0.29.30)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> 0b1111111100
1020

Une fois notre valeur définie de permissions, nous devons ajouter un mot de passe propriétaire et définir des paramètres d'encryption. Le mot de passe se définit avec -sOwnerPassword=.

% /opt/local/bin/gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -dCompatibilityLevel=2.0 -sOwnerPassword=test -dEncryptionR=3 -dKeyLength=128 -dPermissions=1020 -sOutputFile="/Users/gilles/Downloads/pdf_reduce/0-Dossier vente Aquarelle.pdf" -f "/Users/gilles/Downloads/pdf1/0-Dossier vente Aquarelle.pdf"

Joindre plusieurs fichiers

Nous allons joindre plusieurs fichiers PDF en un seul. Nous en profitons pour convertir toutes les pages en niveau de gris.

% gs -sDEVICE=pdfwrite -dNOPAUSE -sColorConversionStrategy=Gray -dCompatibilityLevel=1.4 -sOutputFile='merge.pdf' -dBATCH 'source1.pdf' 'source2.pdf' 'source3.pdf'

Convertir en PDF/A

Un document PDF/A (Portable Document Format Archivable) est une variante normalisée ISO. Ce type de document a été créé pour réaliser un archivage long et apporter des garanties de conservation. Ghostscript propose d'ajouter le paramètre -dPDFA=1.

% gs -dPDFA=1 -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=150 -dGrayImageDownsampleType=/Bicubic -dCompatibilityLevel=1.4 -sOutputFile="/Users/gilles/Downloads/destination.pdf" "/Users/gilles/Downloads/source.pdf"

Orientation

Une propriété -dAutoRotatePages= a pour mission d'activer ou non l'auto-rotation. Si nous lui passons en valeur /PageByPage ou /All, les pages seront redressées automatiquement, et ce quelque soit l'orientation, de manière à faciliter la lecture. Par contre, cela ne modifiera pas l'orientation de la page. Cela ne joue que sur l'affichage. Pour désactiver l'auto-rotation nous affecterons la valeur /None. Dans ce cas la valeur affectée à setpagedevice est utilisée.

Pour changer physiquement l'orientation des pages nous devons ajouter du code Postscript au document. Pour cela, nous allons utiliser la commande -c ">>/Orientation {orientation}>> setpagedevice" avec {orientation} représentée par une valeur :

0 pour aucune rotation (portrait)
1 pour 90° vers en sens inverse des aiguilles d'une montre (landscape ou paysage)
2 pour 180° (upside down ou à l'envers)
3 pour 90° dans le sens des aiguilles d'une montre (seascape)

% /opt/local/bin/gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -dAutoRotatePages=/None -dCompatibilityLevel=2.0 -sOutputFile="/Users/gilles/Downloads/pdf_reduce/dossier.pdf" -c "<</Orientation 3>> setpagedevice" -f "/Users/gilles/Downloads/pdf/dossier.pdf"

L'injection du code Postscript doit se faire avant l'importation du fichier source. Le commutateur -f doit précéder le fichier source.

Redimensionnement

Un document PDF peut comporter des pages de dimensions différentes. Si à l'affichage cela ne pose pas de problème, l'impression d'un document va générer des difficultés. Le bac d'alimentation ne comporte en général qu'un seul format de papier.

Avec Ghostscript nous avons deux approches pour redimensionner les pages.

La première consiste à utiliser un format pré-existant comme par exemple le format A4. Les formats sont transmis en argument de l'option -sDEFAULTPAPERSIZE=.

% /opt/local/bin/gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sPAPERSIZE=a4 -dFIXEDMEDIA -dPDFFitPage -dCompatibilityLevel=2.0 -sOutputFile="/Users/gilles/Downloads/pdf_reduce/dossier.pdf" "/Users/gilles/Downloads/pdf/dossier.pdf"

Formats	Largeurs	Hauteurs	Normes
a0	841	1189	ISO STANDARD
a1	594	841	ISO STANDARD
a2	420	594	ISO STANDARD
a3	297	420	ISO STANDARD
a4	210	297	ISO STANDARD
a4small	210	297	ISO STANDARD
a5	148	210	ISO STANDARD
a6	105	148	ISO STANDARD
a7	74	105	ISO STANDARD
a8	52	74	ISO STANDARD
a9	37	52	ISO STANDARD
a10	26	37	ISO STANDARD
isob0	1000	1414	ISO STANDARD
isob1	707	1000	ISO STANDARD
isob2	500	707	ISO STANDARD
isob3	353	500	ISO STANDARD
isob4	250	353	ISO STANDARD
isob5	176	250	ISO STANDARD
isob6	125	176	ISO STANDARD
c0	917	1297	ISO STANDARD
c1	648	917	ISO STANDARD
c2	458	648	ISO STANDARD
c3	324	458	ISO STANDARD
c4	229	324	ISO STANDARD
c5	162	229	ISO STANDARD
c6	114	162	ISO STANDARD
11x17	279	432	US STANDARD
ledger	432	279	US STANDARD
legal	216	356	US STANDARD
letter	216	279	US STANDARD
lettersmall	216	279	US STANDARD
archE	914	1219	US STANDARD
archD	610	914	US STANDARD
archC	457	610	US STANDARD
archB	305	457	US STANDARD
archA	229	305	US STANDARD
jisb0	1030	1456	JIS STANDARD
jisb1	728	1030	JIS STANDARD
jisb2	515	728	JIS STANDARD
jisb3	364	515	JIS STANDARD
jisb4	257	364	JIS STANDARD
jisb5	182	257	JIS STANDARD
jisb6	128	182	JIS STANDARD
flsa	216	330	Autres
flse	216	330	Autres
halfletter	140	216	Autres
hagaki	100	148	Autres

La deuxième approche consiste à définir les dimensions en utilisant les options -dDEVICEWIDTHPOINTS=<largeur> et -dDEVICEHEIGHTPOINTS=<hauteur>. Les dimensions sont en points (1 pouce/inch = 72 points et 1 pouce/inch = 2.54 centimètres). Par exemple, pour appliquer un format de page de 10 x 10 cm nous pour vous exécuter la commande qui suit :

% /opt/local/bin/gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -dDEVICEWIDTHPOINTS=283.46 -dDEVICEHEIGHTPOINTS=283.46 -dFIXEDMEDIA -dPDFFitPage -dCompatibilityLevel=2.0 -sOutputFile="/Users/gilles/Downloads/pdf_reduce/dossier.pdf" "/Users/gilles/Downloads/pdf/dossier.pdf"

$$ largeur = {10 \text{ cm} * 72 \text{ points} \over 2.54\text{ cm}} = 283.46\text{ points}$$

Il faut pas oublier d'ajouter les options -dFIXEDMEDIA -dPDFFitPage pour adapter les pages au format.

Réduction de la taille des documents

Profile Distiller

L'utilisation de profiles inspirés d'Adobe Distiller est une approche simple pour réduire le poids d'un document. Ces profiles utilisent des réglages adaptés en fonction de l'appareil qui affichera le PDF.

Pour afficher la liste des profiles supportés par l'option -dPDFSETTINGS=... nous utiliserons la commande suivante sous macOS ou Linux :

% gs -dNODISPLAY -c ".distillersettings {exch ==only ( ) print ==} forall quit"
GPL Ghostscript 10.02.1 (2023-11-01)
Copyright (C) 2023 Artifex Software, Inc.  All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.
/ebook -dict-
/printer -dict-
/default -dict-
/prepress -dict-
/screen -dict-
/PSL2Printer -dict-

Sous Windows, dans Powershell nous utiliserons la même commande.

PS C:\Users\gille> & 'C:\Program Files\gs\gs10.00.0\bin\gswin64c.exe' -dNODISPLAY -c ".distillersettings {exch ==only ( ) print ==} forall quit"
GPL Ghostscript 10.0.0 (2022-09-21)
Copyright (C) 2022 Artifex Software, Inc. All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.
/default -dict-
/prepress -dict-
/screen -dict-
/PSL2Printer -dict-
/ebook -dict-
/printer -dict-

Pour afficher les paramètres par défaut d'un profile comme par exemple /screen :

% gs -q -dNODISPLAY -c ".distillersettings /screen get {exch ==only ( ) print ===} forall quit" | sort
/AutoRotatePages /PageByPage
/CannotEmbedFontPolicy /Warning
/ColorACSImageDict << /ColorTransform 1 /Blend 1 /HSamples [2 1 1 2] /VSamples [2 1 1 2] /QFactor 0.76 >>
/ColorConversionStrategy /sRGB
/ColorImageDownsampleType /Average
/ColorImageResolution 72
/CompatibilityLevel 1.5
/CreateJobTicket false
/DoThumbnails false
/EmbedAllFonts true
/GrayACSImageDict << /ColorTransform 1 /Blend 1 /HSamples [2 1 1 2] /VSamples [2 1 1 2] /QFactor 0.76 >>
/GrayImageDownsampleType /Average
/GrayImageResolution 72
/MonoImageDownsampleType /Subsample
/MonoImageResolution 300
/NeverEmbed [/Courier /Courier-Bold /Courier-Oblique /Courier-BoldOblique /Helvetica /Helvetica-Bold /Helvetica-Oblique /Helvetica-BoldOblique /Times-Roman /Times-Bold /Times-Italic /Times-BoldItalic /Symbol /ZapfDingbats]
/PreserveEPSInfo false
/PreserveOPIComments false
/PreserveOverprintSettings false
/UCRandBGInfo /Remove

A la suite d'un paramètre de sortie (ici screen) nous pouvons modifier certains paramètres comme la résolution de sortie pour les images (ici pour les images monochrome, niveau de gris et couleur).

% gs -dPDFSETTINGS=/screen -sDEVICE=pdfwrite -dMonoImageResolution=150
-dColorImageResolution=100 -dGrayImageResolution=150
-dBATCH -dNOPROMPT -dNOPAUSE -sOutputFile="/Users/gilles/Documents/Archives/temporaire/pdf-out.pdf" "/Users/gilles/Documents/Archives/temporaire/pdf-in.pdf"

Niveaux de gris

Pour réduire le poids d'un document, une approche consiste à transformer toutes les images en niveaux de gris. En effet, une image avec cette colorimétrie utilise 256 niveaux de gris. Le nombre d'informations stockées pour une image sera réduit.

Nous personnaliserons la ligne de commandes pour forcer ce type de conversion.

-sColorConversionStrategy=Gray pour appliquer une conversion vers du niveaux de gris à toutes les images.
-dGrayImageResolution=100 pour modifier la densité de points par pouce (DPI ou nombre de points imprimés sur une ligne). Un pouce (inch) est égale à 2.54 cm. Une image de 10 cm x 5 cm aura pour une densité de 200 dpi aura environ 787 points en largeur (10 cm / 2.54 x 200 dpi). Plus la résolution en DPI est élevée, plus l'image sera volumineuse. A contrario, une résolution faible allégera le poids de l'image avec en contre-partie une détérioration de la qualité.
-dDownsampleGrayImages=true pour activer le changement de résolution.

Pour réduire la taille de l'image nous allons jouer sur le nombre de DPI.

% gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=100 -dCompatibilityLevel=1.4 -sOutputFile="/Users/gilles/Downloads/destination.pdf" "/Users/gilles/Downloads/source.pdf"

Pour les utilisateurs de MacOS (et Linux) il est toujours possible d'intégrer une commande au shell. Avec le shell ZSH nous nous plaçons à la racine de l'utilisateur, et nous ouvrons le fichier .zshrc (pour Bash nous éditerons .bash_profile).

% cd
% nano .zshrc

Nous ajoutons ensuite le code suivant à la fin du fichier. Pour sauvegarder nous appuyons sur les touches CTRL+X puis Y et entrée.

pdfcompress()
{
   gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=100 -dCompatibilityLevel=2.0 -sOutputFile=${1%.*}_reduce.pdf $1
}

Pour essayer, nous ouvrons un nouveau Terminal. Nous tapons simplement pdfcompress suivi du nom du fichier à compresser.

Noir et blanc

Pour des documents PDF ne comportant que des objets textes, il est possible de forcer les couleurs au noir avec -dBlackText. Cela n'affectera pas les images.

% gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -dBlackText -dBlackVector -dCompatibilityLevel=2.0 -sOutputFile="/Users/gilles/Downloads/test-nb.pdf" -f "/Users/gilles/Downloads/test.pdf"

Reconnaissance de caractères (OCR)

Ghostscript intègre depuis la version 9.54 un moteur de reconnaissance de caractères basé sur Tesseract et Leptonica. La reconnaissance se fait sur des médias images (par exemple issues d'un scanner).

La reconnaissance est intégrée sous forme de devices :

ocr pour une conversion d'un fichier PDF vers un fichier texte. Les images sont convertis en niveaux de gris pour être analysées par Tesseract. Le fichier texte est encodé en UTF-8.
hocr pour une conversion d'un fichier PDF vers un fichier XML au standard hOCR
pdfocr24 (RGB), pdfocr32 (CMYK) ou pdfocr8 (niveau de gris) pour une conversion d'un fichier PDF vers un fichier PDF sans modifier le fichier source. Les images sont conservées comme tel. Le texte reconnu est ajouté au fichier. Il ne sera pas disponible à l'affichage (invisible-text-only PDF). Il sera par contre reconnu pour la recherche et le copier/coller dans le document.

Tesseract offre plusieurs moteurs pour opérer la reconnaissance. Pour choisir un moteur avec Ghostscript nous avons à notre disposition l'option -dOCREngine=. Par défaut le moteur LSTM/neural network est utilisé (-dOCREngine=1). Nous pouvons choisir d'utiliser le moteur Legacy Tesseract (-dOCREngine=0).

Pour fonctionner, Tesseract a besoin de fichiers de données spécifiques appelés traineddata. Ces fichiers sont essentiels pour adapter la reconnaissance en fonction de chaque langue. Il existe des variantes qui favorise la rapide ou la qualité.

https://github.com/tesseract-ocr/tessdata_best pour les données assurants la meilleure qualité de reconnaissance avec le moteur LSTM ;
https://github.com/tesseract-ocr/tessdata_fast pour les données assurants la meilleure vitesse de reconnaissance avec le moteur LSTM ;
https://github.com/tesseract-ocr/tessdata pour les données assurants la meilleurs vitesse de reconnaissance avec les moteurs LSTM et legacy.

Les fichiers sont stockés dans un répertoire appelé tessdata. Le chemin d'accès à ce répertoire doit être mémorisé dans un variable locale.

% export TESSDATA_PREFIX=/Users/gilles/tessdata

Alternativement, le chemin d'accès peut aussi être renseigné comme paramètre de Ghostscript avec l'option --permit-file-read=.

% /opt/local/bin/gs -dNOPAUSE -dBATCH --permit-file-read=/Users/gilles/tessdata -sDEVICE=ocr ...

Par défaut, la langue anglaise est utilisée avec le fichier eng.traineddata. Pour modifier la langue utilisée, nous utiliserons l'option -sOCRLanguage= avec en valeur le code de la langue à utiliser.

% /opt/local/bin/gs -dNOPAUSE -dBATCH -sDEVICE=ocr -sOCRLanguage="fra" --permit-file-read=/Users/gilles/tessdata -sOutputFile="/Users/gilles/Downloads/rapport.txt" -f "/Users/gilles/Downloads/rapport.pdf"

L'utilisation de plusieurs langues est possible. L'option -sOCRLanguage= sera alors écrite par exemple -sOCRLanguage="fra+eng" pour utiliser le français et l'anglais.

Dans le répertoire tessdata il n'est pas nécessaire de copier tous les fichiers avec extension traineddata. Nous pouvons y placer que les fichiers pour les langues qu'il est envisagé de reconnaître.

Il est possible d'adapter la résolution des images utilisées avec le moteur OCR avec l'option -r<dpi> ou -r<dpi horizontal>x<dpi vertical>. -r<dpi> applique la même résolution en horizontal et en vertical. Attention, plus les DPI seront élevés, plus la reconnaissance sera longue. Il faut appliquer une valeur équilibrée. Cette option est équivalente à -dDEVICEXRESOLUTION=<dpi> et -dDEVICEYRESOLUTION=<dpi> (la résolution horizontale et verticale sur le device utilisé).

% /opt/local/bin/gs -dNOPAUSE -dBATCH -sDEVICE=ocr -r200 --permit-file-read=/Users/gilles/tessdata -sOutputFile="/Users/gilles/Downloads/rapport.txt" -f "/Users/gilles/Downloads/rapport.pdf"

Automatisation

Il existe de nombreuses possibilités en matière d'automatisation. L'utilisation du terminal est une de ces solutions. Ce n'est pas une approche facile pour le néophyte, mais son utilisation peut s'avérer un puissant allié pour réduire la taille des fichiers.

Avec le terminal

Windows Powershell

Sous Windows, en utilisant PowerShell nous pouvons automatiser la réduction de la taille des fichiers. Nous créons un fichier texte reduction.ps1 dans lequel nous intégrons ces lignes. Sans faire un cours sur PowerShell, notons les points suivants :

Get-ChildItem récupère dans un tableau tous les fichiers (y compris dans les sous-dossiers) avec extension .pdf.
$gs précise l'emplacement de Ghostscript.
$destinationFolder identifie le dossier de destination où tous les fichiers réduits seront créés.
ForEach parcoure les éléments du tableau $files. Chaque élément est placé dans une variable $file.
$destination comporte le nom complet du fichier à créer (dossier et fichier).
if est utilisé pour ne réduire que les fichiers de 100 Mo et plus. C'est facultatif. Nous pouvons supprimer ce test et les accolades associées.
& $gs ... exécute Ghostscript avec les paramètres pour chaque élément de la liste $files.

$files= Get-ChildItem -Path "D:\travail" -Filter *.pdf -Recurse -ErrorAction SilentlyContinue -Force
$gs = 'C:\Program Files\gs\gs10.02.1\bin\gswin64c.exe'
$destinationFolder = "d:\pdf_reduits"
ForEach ($file in $files) {
    $destination = [io.path]::Combine($destinationFolder,$file)
    If ((($file.Length) / 1024 / 1024) -ge 100) {
        & $gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=150 "-dCompatibilityLevel=1.4" -o $destination $file.FullName
    }
}

Pour exécuter ce script dans PowerShell nous devons autoriser l'utilisateur actuel. Pour cela nous ouvrons le terminal en mode administrateur et nous tapons la commande suivante :
PS C:\Users\gilles> Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

Shell MacOS/Linux

Nous allons créer un fichier texte que nous nommerons reduction.sh. Cela se fait automatiquement par la ligne de commandes qui suit :

% nano reduction.sh

A l'intérieur de ce fichier nous allons créer une fonction récursive pour parcourir tous les sous-répertoires d'un emplacement spécifié lors de l'appel de la fonction. L'écriture de script pour le terminal utilise un langage particulièrement abscon. Il faut être vigileant à bien reproduire la syntaxe.

#!/bin/bash

sourceFolder=/Users/gilles/Downloads/pdf
destinationFolder=/Users/gilles/Downloads/pdf_reduce/

recherche () {
for chemin in "$1"/*; do
    if [ -d "$chemin" ]; then
        walk_dir "$chemin"
    elif [ -e "$chemin" ]; then
        case "$chemin" in
            *.pdf|*.PDF)
                destination=$destinationFolder$(basename "$chemin")
                gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=150 -dCompatibilityLevel=1.4 -o "${destination}" "${chemin}"
        esac
    fi
    done
}

recherche "$sourceFolder"

Le script pourra être exécuté tout simplement.

% bash reduction.sh

Pour rendre exécutable le script nous exécuterons cette commande.

% sudo chmod +x reduction.sh

L'exécution du script se fera de cette façon :

% ./reduction.sh

Nous pouvons modifier le script pour définir dans la ligne de commandes en paramètres les dossiers de recherche ($1) et de destination ($2).

#!/bin/bash
sourceFolder=$1
destinationFolder=$2
...

Nous lançons le script en ajoutant les chemins source et destination (avec un / à la fin).

% ./reduce.sh /Users/gilles/Downloads/pdf_source /Users/gilles/Downloads/pdf_destination/

Pour afficher la liste de tous les fichiers PDF contenus dans un dossier et ses sous-dossiers nous avons à notre disposition la commande find.
% find /Users/gilles/Downloads/pdf -type f -name '*.pdf' -exec printf "%s\n" {} +

Sous MacOS et Linux il existe de nombreuses autres possibilités pour automatiser en ligne de commandes la réduction de la taille des fichiers. Au lieu d'utiliser un script avec une boucle, nous pouvons le faire en une seule ligne de commandes en utilisant find. Cette commande est capable d'exécuter une ou plusieurs commandes en communiquant chaque nom de fichier trouvé (récupérable avec {}). basename est utilisé pour extraire le nom du fichier sans extension.

% find /Users/gilles/Downloads/pdf_source -type f -name "*.pdf" -exec bash -c 'destination="/Users/gilles/Downloads/pdf_destination/"$(basename "$0" .pdf); gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=150 -dCompatibilityLevel=1.4 -o $destination".reduce.pdf" "$0";' {} \;

En mode terminal, nous pouvons également utiliser des variables locales (destinationDossier et sourceDossier) pour renseigner la ligne de commandes.

% destinationDossier="/Users/gilles/Downloads/pdf_reduce/"
% sourceDossier="/Users/gilles/Downloads/pdf"
% find $sourceDossier -type f -name "*.pdf" -exec zsh -c 'destination=$1$(basename "$0" .pdf)".reduce.pdf"; gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sColorConversionStrategy=Gray -dDownsampleGrayImages=true -dGrayImageResolution=150 -dCompatibilityLevel=1.4 -o $destination "$0";' {} $destinationDossier \;

Avec Python

Nous allons créer plusieurs programmes Python pour automatiser et faciliter l'utilisation de Ghostscript.

reduce_gs pour automatiser la réduction de tous les fichiers PDF d'un dossier. Ce script repose sur l'utilisation de l'exécutable binaire de Ghostscript.
gscli pour manipuler et convertir un ou plusieurs fichiers PDF. Ce script repose sur la librairie libgs.

Compiler les sources

Les sources de Ghostscript sont disponibles de deux manières : avec une archive TAR compressée ; avec un dépôt distant à dupliquer localement.

Dépôt distant

Nous pouvons aussi compiler Ghostscript à partir d'un dépôt distant (Git). Bien entendu il faut au préalable avoir installé Git.

gilles@MBP-de-Gilles % git clone git://git.ghostscript.com/ghostpdl.git
Cloning into 'ghostpdl'...
remote: Enumerating objects: 231573, done.
remote: Counting objects: 100% (8266/8266), done.
remote: Compressing objects: 100% (5125/5125), done.
remote: Total 231573 (delta 4424), reused 4834 (delta 3122), pack-reused 223307
Receiving objects: 100% (231573/231573), 243.30 MiB | 10.57 MiB/s, done.
Resolving deltas: 100% (182471/182471), done.

Nous devons exécuter autogen.sh pour préparer localement le dépôt. Sous MacOs, nous devons au préalable installer via brew deux outils supplémentaires.

% brew install autoconf automake

Il nous reste à nous placer à la racine du dépôt local, et d'exécuter successivement les commandes suivantes :

gilles@MBP-de-Gilles % cd ghostpdl
gilles@MBP-de-Gilles ghostpdl % ./autogen.sh 
gilles@MBP-de-Gilles ghostpdl % ./configure
gilles@MBP-de-Gilles ghostpdl % make

Une fois compilée, le binaire de Ghostscript est placé dans le répertoire bin.

gilles@MBP-de-Gilles ghostpdl % ./bin/gs 
GPL Ghostscript 10.03.0 (2023-09-13)
Copyright (C) 2023 Artifex Software, Inc.  All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.
GS>quit

Pour synchroniser localement avec le dépôt distant nous exécuterons à la racine du dépôt local la commande git pull dans le Terminal.

gilles@MBP-de-Gilles ghostpdl % git pull

Pour les utilisateurs de Visual Studio Code, pour référencer la librairie libgs, nous pouvons ajouter à une variable d'environnement GSAPI_LIB au fichier de configuration. Cette variable pointera sur le fichier.

{
    // Utilisez IntelliSense pour en savoir plus sur les attributs possibles.
    // Pointez pour afficher la description des attributs existants.
    // Pour plus d'informations, visitez : https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Débogueur Python : Fichier actuel",
            "type": "debugpy",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal",
            "env": {
                "GSAPI_LIB":"/Users/gilles/Downloads/ghostscript-10.02.1/sobin/libgs.dylib.10.02"
            }
        }
    ]
}

Windows

Dans le dossier Windows de l'archive Ghostscript nous pouvons ouvrir dans Microsoft Visual Studio 2022 le fichier solution GhostPDL.sln. Pour obtenir la librairie nous devons générer la solution complète (Menu Générer -> Générer la solution) ou Ctrl+Maj+B. Par défaut, la version debug sera générée. Les fichiers résultants se trouveront dans le dossier debugbin.

Avant d'exécuter le script Python, nous devons définir une variable d'environnement GSAPI_LIB. Dans Powershell nous procéderons comme cela :

PS > $env:GSAPI_LIB="C:\Users\gilles\Downloads\ghostscript-10.02.1\debugbin\gsdll64.dll"

Pour obtenir la liste des variables d'environnement dans Powershell nous utiliseront la ligne qui suit :

PS > dir env:

Dans l'Invite de commandes (cmd) nous utiliserons l'instruction set :

> set GSAPI_LIBDIR=C:\Users\gilles\Downloads\ghostscript-10.02.1\debugbin\gsdll64.dll

Pour vérifier la présence de la variable nous utilisons sans argument l'instruction set.

Name		Name	Last commit message	Last commit date
Latest commit History 30 Commits
img		img
libgs		libgs
reduce_gs		reduce_gs
.gitignore		.gitignore
README.md		README.md

gilles83100/ghostscript

Folders and files

Latest commit

History

Repository files navigation

Manipulation des fichiers PDF

Utilisation dans le terminal

Installation

Windows

macOS

Linux

Pour les distributions à base de Debian

Pour la distribution Arch Linux

Pour la distribution Alpine Linux

Pour les distributions à base de Fedora

Options

Afficher un PDF

Obtenir des informations

Modifier les métadatas

Déverrouiller

Protéger

Joindre plusieurs fichiers

Convertir en PDF/A

Orientation

Redimensionnement

Réduction de la taille des documents

Profile Distiller

Niveaux de gris

Noir et blanc

Reconnaissance de caractères (OCR)

Automatisation

Avec le terminal

Windows Powershell

Shell MacOS/Linux

Avec Python

Compiler les sources

Archive

Dépôt distant

Windows

About

Topics

Resources

Stars

Watchers

Forks

Releases 1

Packages 0

Languages

Packages