PDF文書があれば、文書をスキャンしたもので、スキャンした文書の写真だけを保存するので、容量が非常に大きいファイルなのです。
テキストのみを保存する正しい文書を作成するのに役立つOCRツールはありますか？
まあ、私はその逆が必要です！完璧なPDF文書があり、pdflatexそれを紙に印刷した場合（特定のdpi値で）正確に同じように見えますが、元の画像である「巨大な」PDFに変換する必要があるとします。
私の最初のアイデアは、PDFを一連のJPGに変換してからPDFに変換することでしたが、標準的な方法はありますか？
私がなぜこのようなことをしたいのか疑問に思うなら、私は現在管理していないネットワークプリンタに閉じ込められ、印刷されたファイルからランダムに文字を削除しています！したがって、誰かが何が間違っているのかを理解するまで、これを解決策として残したいと思います。
答え1
画像ベースのPDFも汚染されているかどうかをテストできます。まず、PDFを（複数ページ）TIFFに変換します。ゴーストスクリプト:
gs -sDEVICE=tiffg4 -o sample.tif sample.pdf
次にTIFFをPDFに変換します。例:
tiff2pdf -z -f -F -pA4 -o sample-img.pdf sample.tif
これにより、ページがテキストではなく画像であるPDFファイルが生成されます。
または、システムがTIFFファイルの印刷をサポートしている場合は、直接印刷してみてください。
PDFをPSに変換するオプションもありますがpdf2ps、可能であればより良いようです。
答え2
答え3
解決策
次のコードは1200 DPIにラスタライズしa.pdf、c.pdf最初に2400 DPIにラスタライズしてから出力する前に2だけ縮小します。文書。
gs -dNOPAUSE -dBATCH -sDEVICE=pdfimage24 -r2400 -dDownScaleFactor=2 -o c.pdf a.pdf
白黒でのみ印刷する必要がある場合は、それを交換して作業を高速化できpdfimage24ますpdfimage8。
基準
pdf2ps上記の解決策が最も速く、+にのみ触れることがわかりますps2pdf（しかし、pdf2ps+ps2pdf保証しないファイルをラスタライズする）とpdf2ppm（ただし、.jpgファイルを拡大するには変換）
| 解決策 | 所要時間（秒） | 占有メモリ（KiB） | 出力ファイルサイズ（KiB） | 印刷時間（秒） |
|---|---|---|---|---|
pdftoppm（1200）（.jpg）+ img2pdf（†） |
2.710 | 603092 | 10341.3 | |
pdf2ps+ps2pdf一時ファイルを含める（源泉)(*) |
4.110 | 37596 | 1706.4 | |
pdfimage8(1200) |
4.180 | 35668 | 2348.6 | 9.5 |
pdfimage24(1200/2) |
5.020 | 36088 | 1971.9 | 9.7 |
pdfimage24(1200) |
6.520 | 36212 | 3316.1 | |
pdf2ps+ps2pdfパイプ付き(*) |
7.230 | 37668 | 1706.4 | |
convert(600) |
9.560 | 964532 | 5953.6 | |
pdftoppm（1200）（.tiff）+ img2pdf（†） |
10.850 | 1539512 | 14483.3 | |
convert(600) +gs最適化(源泉) |
12.010 | 964532 | 1989.4 | 9.9 |
pdfimage8(2400/2) |
20.350 | 43872 | 3481.9 | |
pdfimage24(2400/2) |
23.510 | 46484 | 4833.2 | 15.8 |
pdftoppm（1200）（.png）+ img2pdf（源泉)(†) |
33.000 | 626896 | 14127.2 |
（*）：実際には常にPDFをラスタライズすることは解決策ではありませんが、場合によってはgsこれを行うことにすることもできます（どのような場合はラスタライズされているのかわからず、PDFが複雑すぎる場合があります）。
（†）：コードは1ページのPDFファイルにのみ適合するように書かれていますが、調整できます。
ベンチマークソリューションの詳細
pdftoppm（1200）（.jpg）+ img2pdf（†）
pdftoppm -progress -r 1200 -jpeg a.pdf a
img2pdf a-1.jpg -o c.pdf
pdf2ps+ps2pdf一時ファイルを含める（源泉)(*)
gs -sDEVICE=ps2write -dNOCACHE -sOutputFile=c.ps -q -dBATCH -dNOPAUSE a.pdf
ps2pdf c.ps c.pdf
pdfimage8(1200)
gs -dNOPAUSE -dBATCH -sDEVICE=pdfimage8 -r1200 -o c.pdf a.pdf
pdfimage24(1200/2)
gs -dNOPAUSE -dBATCH -sDEVICE=pdfimage24 -r1200 -dDownScaleFactor=2 -o c.pdf a.pdf
pdfimage24(1200)
gs -dNOPAUSE -dBATCH -sDEVICE=pdfimage24 -r1200 -o c.pdf a.pdf
pdf2ps+ps2pdfパイプ付き(*)
gs -sDEVICE=ps2write -dNOCACHE -sOutputFile=- -q -dBATCH -dNOPAUSE a.pdf -c quit | ps2pdf - c.pdf
convert(600)
convert -density 600 a.pdf c.pdf
pdftoppm（1200）（.tiff）+ img2pdf（†）
pdftoppm -progress -r 1200 -tiff a.pdf a
img2pdf a-1.tif -o c.pdf
convert(600) +gs最適化(源泉)
convert -density 600 a.pdf b.pdf
gs -dBATCH -dNOPAUSE -sDEVICE=pdfwrite -sOutputFile=c.pdf b.pdf -q
pdfimage8(2400/2)
gs -dNOPAUSE -dBATCH -sDEVICE=pdfimage8 -r2400 -dDownScaleFactor=2 -o c.pdf a.pdf
pdfimage24(2400/2)
gs -dNOPAUSE -dBATCH -sDEVICE=pdfimage24 -r2400 -dDownScaleFactor=2 -o c.pdf a.pdf
pdftoppm（1200）（.png）+ img2pdf（源泉)(†)
pdftoppm -progress -r 1200 -png a.pdf a
img2pdf a-1.png -o c.pdf
ベンチマークのソースコードを見つけることができます。ここ。