Linux(Ubuntu)中從實體書(pdf)製作電子書及txt文件合併

友人掃描了實體書（雙頁掃描）要製成電子書，我從網路上搜集了資料，最後列出了各個步驟，紀錄下來，以便日後參考：

一、建book資料夾→將掃描檔剪下貼到book中→檔名改為a-all.pdf
 
二.pdf裁切出上、下頁輸出為ppm（需測試）
　[大本書]
(1)上頁: pdftoppm  -x 60 -y 50 -W 1060 -H 710 a-all.pdf up
★建目錄 up 存所有up檔
(2)下頁: pdftoppm -x 60 -y 850 -W 1060 -H 730 a-all.pdf dn
※※※※※※※※※
  [小本書]
(1)上頁: pdftoppm -x 260 -y 150 -W 2000 -H 1500 a-all.pdf up
★建目錄 up 存所有up檔
(2)下頁: pdftoppm -x 230 -y 1920 -W 2060 -H 1500 a-all.pdf dn
【註】若加入 -jpeg 條件則會輸出jpeg圖，但輸出時間較長，檔案較大。
★★xxx

※※※※※※※※※

★若要輸出PNG檔

  則：pdftoppm -png -x 60 -y 50 -W 1060 -H 710 a-all.pdf up

★若要輸出jpeg檔

  則：pdftoppm -jpeg -x 60 -y 50 -W 1060 -H 710 a-all.pdf up

★一般內定解析度為150，若要指定解析度(如300DPI)用-r係數

  則：pdftoppm -r 300 -x 60 -y 50 -W 1060 -H 710 a-all.pdf up

 
三.改檔名，以便合併pdf時，依頁數順序合併：
(1)到up中：(合併時，1-1．ppm在1.ppm之前)
rename -v s/.ppm/-1.ppm/ *
(即在原檔名後加上 -1，合併時順序會在前面)
（若橫式書本，左右頁相反，則改dn的檔名）
=============
(2)在up中：
rename -v s/up/dn/ *（改為檔名都是dn開頭）

★★xxx
四．Copy dn中檔案至up中，並將原a-all.pdf留下，以便合併

★★xxx
五．在up中，合併
(1)每個pdf檔60頁，傳到Google硬碟辨識用
convert dn-00*.ppm dn-01*.ppm dn-02*.ppm dn-03*.ppm dn-04*.ppm a-0004.pdf

convert dn-05*.ppm dn-06*.ppm dn-07*.ppm dn-08*.ppm dn-09*.ppm a-0509.pdf


【註】2022/12/07此轉換已失效，需執行以下2行，才能使用：
(1)$ sudo nano /etc/ImageMagick-6/policy.xml  (或從檔案找etc)
(2)找到<policy domain="coder" rights="none" pattern="PDF" />改為<policy domain="coder" rights="read|write" pattern="PDF" />

【註】形成pdf後要打開來看看頁數是否符合。
【註】辨識：在Google硬碟→右鍵→以Google文件開啟→辨識完，全選copy到純文字文件軟體
==============

(2)在up中，壓縮後（作單頁辨識用）
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/printer -dNOPAUSE -dQUIET -dBATCH -sOutputFile=a-0004new.pdf a-0004.pdf
（所得的單頁pdf比原檔小很多）
【註】形成pdf後要打開來看看總頁數是否符合。

(注意：轉換成的 Google 文件，大小上限則是 50 MB。)
=============
(3)在up中，合併為全檔（作單頁校稿用）
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/printer -dNOPAUSE -dQUIET -dBATCH -sOutputFile=a-allnew.pdf a-*.pdf
（所得的單頁pdf比原檔小很多）
【註】形成pdf後要打開來看看總頁數是否符合。

★★xxx
六．將辨識好的書本文字檔進行閱讀校正，貼到電子書製作軟體中，製成電子書。
七．將電子書丟入平板中以電子書閱讀軟體閱讀；檔案小又方便。

●●●●●●●●●●

八．若辨識出來的多個文字檔合併為一個文字檔：

 cat 01.txt 02.txt.... > all.txt

或

cat *.txt > all.txt   (要先將1～9的檔名前加上0，否則順序會錯誤)

★★★★★

九．要將docx檔轉換成pdf格式：

 libreoffice --invisible --convert-to pdf *.docx

★★★★★

十．將多個pdf檔合併成一個pdf檔，且是文字檔：

pdfunite 1*.pdf out1.pdf

pdfunite *.pdf out.pdf

★★★★★

pdftk用來拆開、合併pdf檔，使用方法：

⑴將兩個PDF文檔合併為一個新的PDF：

pdftk 1.pdf 2.pdf cat output 0102.pdf

　　

⑵如果合併資料夾中的所有pdf：

pdftk *.pdf cat output all.pdf

　　

⑶從文檔中刪除頁面，例如第5～19頁，並且必須使用-end指示文檔的結尾：

pdftk 01.pdf cat 1-4 20-end output 01-1.pdf

　　

⑷逐頁拆分PDF文檔：

pdftk 01.pdf burst

(5)提取a.pdf的奇數頁，並合併為b.pdf

pdftk a.pdf cat 1-endodd output b.pdf

　　

(6)提取a.pdf的偶數頁，並合併為c.pdf

pdftk a.pdf cat 1-endeven output c.pdf

　　

(7)提取a.pdf的指定頁面，並合併為d.pdf

pdftk a.pdf cat 1 3 5 7-end output d.pdf

  

(8)提取a.pdf的第1頁～第100頁，並合併為e.pdf

pdftk a.pdf cat 1-100 output e.pdf

  

(9)提取a.pdf的第100頁～末尾，並合併為f.pdf

pdftk a.pdf cat 100-end output f.pdf

●●●●●

★pdfseparate命令的使用：

⑴從01.pdf中提取10～15頁──未合併，並且檔名用001標示

pdfseparate -f 10 -l 15 01.pdf %03d.pdf

　　

⑵合併資料夾中所有pdf檔：

pdfunite a-* all.pdf

♠♠♠♠♠

★將 png 轉 jpg

ls -1 *.png|xargs -n 1 bash -c 'convert "$0" "${0%.png}.jpg"'

★將 jpg 轉 png 

ls -1 *.jpg|xargs -n 1 bash -c 'convert "$0" "${0%.jpg}.png"'

☀☀☀☀☀☀☀☀☀☀

將彩色pdf轉為黑白pdf，以便辨識

1.將 PDF 的每一頁擷取並轉為圖片

pdftoppm input.pdf AA -jpeg -rx 450 -ry 450

（rx 和 ry 各指定 x 維和 y 維的解析度，單位為 dpi，若未指定則用內定150）

或

pdftoppm -jpeg -r 300 -x 60 -y 50 -W 1060 -H 1710 input.pdf AA

(-r為解析度；x y 為距左、上的像素；W H為寬和高。可忽略)

pdftoppm -jpeg -r 300 a.pdf AA

  

2.將這些圖片批次用 convert 轉成黑白圖片。

for file in $(ls AA*.jpg) ; \

do convert $file -threshold 67% result-$file.jpg; \

done ;

（註：圖形檔為png，則將jpg改為png）

（-threshold 區分黑白和彩色的閾值參數（範圍為0-100％），這裡設定為67%。）

  

註：在Kbuntu 22.04LTS中該批次好像無效，只好用Xnview轉換！

3.將這些生成的圖片結合成新的 PDF：

convert *.jpg output.pdf

(以上參考:https://blog.kianting.info/2020/02/14/ti-linux-tsiong-pdf-tshai-sek-tsuan-tso-oo-peh/)