PDF 切り貼りで記事を読みやすく

KenichiroMATOHARA(@matoken)http://matoken.org

小江戸らぐ4月のオフな集まり(第129回)2013/04/13独立行政法人情報処理推進機構(IPA)会議室Ａ

最近● 自動車学校に通い始めました

– 未だ1段階(場内教習)．火曜に修了検定?

● 先月紹介したひよこch は休止中– ストレージが論理的に死亡．再構築が必要．– jffs2 にしたりfsprotect でro mount とかにするとましになるかも– ひよこは大分大きく

● 2月のオフな集まりで割ったnexus7 がやっと修理から帰ってくる– 2/18修理依頼，受け取りが4/11．– (修理完了後旧住所に2回発送されてたorz)

● HST(ハッブル宇宙望遠鏡)撮影したり

pdf をまとめて読みやすくしてみる

● 最近pdf で雑誌記事などが公開されたりしている．

● でも大抵記事ごとに分割されていて何度も開くのが面倒くさい．

● 結合して読みやすくしてみる．

今回はUbuntuMagazine Vol.09 を

● “Ubuntu Magazine Japan” http://ubuntu.asciimw.jp/

● 現在Vol.10 迄発行．● 新刊が出ると前の巻はCC BY-NC-SA で公開される．Vol.01~09 迄公開済み．

● “Ubuntu Magazine Japan：過去の本誌掲載記事” http://ubuntu.asciimw.jp/cate/5010/

pdf データの入手(wget)

● wget とか(ディレクトリを掘らず:-nd/*.pdf を:-A .pdf/再帰的に:-r/親ディレクトリは追わない:-np)

$ wget http://ubuntu.asciimw.jp/elem/000/000/010/10533/ -nd -A .pdf -r -np

$ ls

UM09_P104-111.pdf UM09_P2-21.pdf UM09_P28-33.pdf UM09_P42-47.pdf UM09_P66-73.pdf UM09_P80-83.pdf UM09_P92.pdf

UM09_P112-119.pdf UM09_P22-27.pdf UM09_P34-41.pdf UM09_P49-P64.pdf UM09_P74-79.pdf UM09_P84-91.pdf UM09_P93-103.pdf

pdf データの入手(DownThemAll!)

● Fx で”DownThemAll!” も便利– このページにある*.pdf なリンクを全部ダウンロードなど

制限の掛かっているファイルの場合解除

● 制限が掛かっていると結合とか出来なかったりするので一旦ps にしてpdf に戻して制限を解除．

pdftops -upw '' file.pdf

ps2pdf file.ps

● ※グレーな気がするけど私的利用なら問題ない?

● ※UbuntuMagazine はこの処理は必要ない

結合(pdftk)

● $ pdftk UM09_P2-21.pdf UM09_P22-27.pdf UM09_P28-33.pdf \

UM09_P34-41.pdf UM09_P42-47.pdf UM09_P49-P64.pdf \

UM09_P66-73.pdf UM09_P74-79.pdf UM09_P80-83.pdf \

UM09_P84-91.pdf UM09_P92.pdf UM09_P93-103.pdf \

UM09_P104-111.pdf UM09_P112-119.pdf \

cat output \

UM09.pdf

● 「UM09.pdf」 というファイルにまとめられた．● ※ワイルドカードも使えるが並び順が期待したものにならないこともある

注意書きが沢山あって邪魔

● 「ご利用になる前に必ずお読みください」という注意書きページがファイル毎の先頭ページにあって一寸邪魔．

● 1つ目の記事以外の先頭ページを消してみる．(先頭ページ以外を残す)

pdftk file.pdf cat 2-end output file_cut.pdf

p

p1

p2

p3

p4p

p2

p3

p4

$ cat cut

while(<DATA>){

chomp;

`pdftk $_ cat 2-end output $_.pdf`;

}

_DATA_

UM09_P22-27.pdf

UM09_P28-33.pdf

UM09_P34-41.pdf

UM09_P42-47.pdf

UM09_P49-P64.pdf

UM09_P66-73.pdf

UM09_P74-79.pdf

UM09_P80-83.pdf

UM09_P84-91.pdf

UM09_P92.pdf

UM09_P93-103.pdf

UM09_P104-111.pdf

UM09_P112-119.pdf

実行

$ perl cut

結合

pdftk \

UM09_P2-21.pdf UM09_P22-27.pdf.pdf UM09_P28-33.pdf.pdf \

UM09_P34-41.pdf.pdf UM09_P42-47.pdf.pdf UM09_P49-P64.pdf.pdf \

UM09_P66-73.pdf.pdf UM09_P74-79.pdf.pdf UM09_P80-83.pdf.pdf \

UM09_P84-91.pdf.pdf UM09_P92.pdf.pdf UM09_P93-103.pdf.pdf \

UM09_P104-111.pdf.pdf UM09_P112-119.pdf.pdf \

cat output \

UM09.pdf

https://plus.google.com/u/0/103792214056489833385/posts/YJH3DFeEMou のコメントで@emasakaさんに中間ファイル要らない方法を教えてもらう

jpeg にしてみる

● まとめたpdf は64MB 程．Evernote 確か50MB 迄なので添付できない(勘違い100MB 迄OK)

● 72dpi のjpeg にしてまとめてみたら11MB ちょい．でも荒くて読めない．

● 150dpi で40MB ちょい．これなら読める．$ pdftoppm UM09.pdf UM09 -jpeg -r 150;tar cvzf UM09.cbz UM09*.jpg

$ ls -l UM09.cbz

rw-r--r- 1 mk mk 40605087 3月 10 14:14 UM09.cbz

● ※jpeg やcbz の場合はMComix が便利．(開発の止まったComix のフォーク)

発表後

@naru0gaさんから“O'Reilly Japan - PDF構造解説”に色々載ってるよ http://www.oreilly.co.jp/books/9784873115498/

PDF Chain というpdftk の皮があるよ“PDF Chain Project Page - Welcome” http://pdfchain.sourceforge.net/

$ sudo apt-get install pdfchain (Debian Wheezy)

とか教えてもらう．

● 今回の件をpdfchain で試してみた https://plus.google.com/u/0/103792214056489833385/posts/JnsPuTFJJZ9