使用命令行工具 pdftk 与 qpdf 实现 PDF 自动化工作流

在日常的文档处理工作中，我们频繁地与 PDF 文件打交道。无论是合并报告、拆分合同、旋转扫描件，还是批量修改元数据，手动操作不仅效率低下，而且极易出错。当面对成百上千个文件时，自动化的命令行工具便成为提升生产力的关键。本文将深入探讨两款强大的命令行工具——pdftk 和 qpdf，展示如何通过脚本化操作，构建稳定、高效的 PDF 自动化工作流。

虽然市面上存在许多图形界面的 PDF 编辑器，但命令行工具在批量处理、服务器端自动化以及与其他程序集成方面，具有不可替代的优势。它们消耗资源少，执行速度快，并且能够无缝融入到 Shell 脚本、Python 程序或任何自动化流程中。

`pdftk`：经典的 PDF 工具包

pdftk（PDF Tool Kit）是一款历史悠久但功能异常强大的命令行工具，被誉为 PDF 处理领域的“瑞士军刀”。它提供了丰富的功能，覆盖了绝大多数常见的 PDF 操作需求。

1. 合并 PDF 文件

将多个独立的 PDF 文件整合成一份完整的报告是极为常见的需求。使用 pdftk，这个过程可以被简化为一条命令。假设我们有 report-part1.pdf、report-part2.pdf 和 appendix.pdf 三个文件，可以这样合并它们：

pdftk report-part1.pdf report-part2.pdf appendix.pdf cat output final-report.pdf

这里的 cat 操作符意为“连接”（concatenate），output 则指定了输出文件的名称。pdftk 会按照命令中列出的文件顺序将它们精确地拼接在一起。

2. 拆分 PDF 文件

与合并相反，有时我们需要将一个大型 PDF 文件按页拆分成多个独立的文件。pdftk 的 burst 操作可以轻松实现这一点：

pdftk large-document.pdf burst

执行后，large-document.pdf 会被拆分为 pg_0001.pdf、pg_0002.pdf 等一系列以页码命名的单页 PDF 文件。这对于提取特定页面或分发文档的不同部分非常有用。

3. 页面选择与重组

pdftk 同样支持更精细的页面控制。你可以从一个或多个文档中挑选指定页面，然后组合成一个新的 PDF。例如，从 source.pdf 中提取第 1-3 页和第 8 页，生成新文件：

pdftk source.pdf cat 1-3 8 output extracted-pages.pdf

甚至可以实现更复杂的操作，比如将文档的奇数页和偶数页分别提取，这在处理双面扫描件时尤其方便。

`qpdf`：现代化的高效替代方案

qpdf 是另一款广受欢迎的 PDF 命令行工具。它在设计上更为现代，专注于 PDF 内容的转换和结构化操作，尤其在处理大型文件时表现出色。

1. 拆分与合并

qpdf 提供了与 pdftk 类似但语法稍有不同的拆分与合并功能。例如，将一个文件拆分为单页文件：

qpdf --split-pages original.pdf split.pdf

这将生成 split-01.pdf、split-02.pdf 等文件。

合并文件时，qpdf 的语法也很有特色。它通过 --empty 创建一个空的输出文件，然后使用 --pages 选项追加来自不同源文件的页面：

qpdf --empty --pages file1.pdf 1-z file2.pdf 1-z -- merged.pdf

上述命令中，1-z 代表所有页面。这种语法在编写复杂脚本时，逻辑更为清晰。

2. 修复与线性化

qpdf 的一个强大功能是能够“修复”结构损坏的 PDF 文件，并能对其进行“线性化”（Web-optimization）处理。线性化后的 PDF 文件允许网页浏览器在未完全下载的情况下就开始渲染第一页，从而提升在线阅读体验。

qpdf --linearize input.pdf output.pdf

实战：构建自动化审批流

让我们设想一个真实的业务场景：一个财务部门每天需要处理上百份 PDF 格式的发票。审批流程要求在每份发票的第一页顶部盖上“已审核”的水印。手动操作无疑是一场灾难，而通过脚本结合 qpdf 和其他命令行工具，我们可以轻松实现自动化。

这个工作流可以分解为以下步骤：

创建水印：首先，用任意工具创建一个只包含“已审核”字样的单页 PDF 文件，我们称之为 watermark.pdf。
批量处理：编写一个 Shell 脚本来遍历所有待处理的发票。
应用水印：对于每一份发票，使用 qpdf 将水印叠加到发票的第一页上。

一个简化的脚本可能如下所示：

#!/bin/bash
# 创建一个存放已处理文件的目录
mkdir -p processed_invoices

# 遍历当前目录下所有的 PDF 文件
for invoice in *.pdf; do
  echo "Processing ${invoice}..."
  
  # 使用 qpdf 将水印叠加到发票的每一页
  # --underlay 选项会将水印放在页面内容之下
  qpdf "${invoice}" --underlay watermark.pdf --replace-input
  
  # 如果不想直接修改原文件，可以指定输出文件
  # qpdf "${invoice}" --underlay watermark.pdf "processed_invoices/${invoice}"

  echo "${invoice} processed."
done

这个简单的脚本展示了命令行工具的威力。你可以将其设置为定时任务，实现无人值守的文档自动化处理。

结论

尽管 pdftk 和 qpdf 等命令行工具缺乏华丽的图形界面，但它们为自动化、大批量的 PDF 操作提供了无与伦比的强大能力与灵活性。通过将这些工具整合到脚本中，开发者和系统管理员可以构建出高度定制化的文档工作流，从而将人力从重复、繁琐的任务中解放出来，专注于更有价值的工作。无论是简单的文件合并，还是复杂的自动化审批流程，命令行始终是处理 PDF 的高效选择。