Dividere un PDF in base ai segnalibri?

C'è uno strumento a riga di comando scritto in Java chiamato Sejda dove puoi trovare splitbybookmarks comando che fa esattamente quello che hai chiesto. È Java, quindi funziona su Linux ed essendo uno strumento a riga di comando puoi scrivere uno script per farlo.

Disclaimer
Sono uno degli autori

hai programmi costruiti come pdf-split che possono farlo per te:

A-PDF Split è un programma di utilità desktop molto semplice e veloce che ti consente di dividere qualsiasi file pdf Acrobat in file pdf più piccoli. Fornisce completa flessibilità e controllo utente in termini di come i file vengono divisi e come i file di output divisi vengono denominati in modo univoco. A-PDF Split fornisce numerose alternative per dividere i tuoi file di grandi dimensioni - per pagine, per segnalibri e per pagina pari/dispari. Anche tu puoi estrarre o rimuovere parte di un file PDF. A-PDF Split offre anche divisioni definite avanzate che possono essere salvate e successivamente importate per l'uso con attività ripetitive di divisione dei file. A-PDF Split rappresenta il massimo in termini di flessibilità di suddivisione dei file per soddisfare ogni esigenza.

A-PDF Split funziona con file pdf protetti da password e può applicare varie funzioni di sicurezza pdf ai file di output divisi. Se necessario, puoi ricombinare i file divisi generati con altri file pdf utilizzando un'utilità come A-PDF Merger per formare nuovi file pdf compositi.

A-PDF Split NON richiede Adobe Acrobat e produce documenti compatibili con Adobe Acrobat Reader versione 5 e successive.

modifica*

anche trovato un programma open source gratuito Qui se non vuoi pagare.

Ecco un piccolo programma Perl che uso per questo compito. Perl non è speciale; è solo un wrapper attorno a pdftk per interpretare il suo dump_data output per trasformarlo in numeri di pagina da estrarre:

#!perl
use v5.24;
use warnings;

use Data::Dumper;
use File::Path qw(make_path);
use File::Spec::Functions qw(catfile);

my $pdftk = '/usr/local/bin/pdftk';
my $file = $ARGV[0];
my $split_dir = $ENV{PDF_SPLIT_DIR} // 'pdf_splits';

die "Can't find $ARGV[0]\n" unless -e $file;

# Read the data that pdftk spits out.
open my $pdftk_fh, '-|', $pdftk, $file, 'dump_data';

my @chapters;
while( <$pdftk_fh> ) {
    state $chapter = 0;
    next unless /\ABookmark/;

    if( /\ABookmarkBegin/ ) {
        my( $title ) = <$pdftk_fh> =~ /\ABookmarkTitle:\s+(.+)/;
        my( $level ) = <$pdftk_fh> =~ /\ABookmarkLevel:\s+(.+)/;

        my( $page_number ) = <$pdftk_fh> =~ /\BookmarkPageNumber:\s+(.+)/;

        # I only want to split on chapters, so I skip higher
        # level numbers (higher means more nesting, 1 is lowest).
        next unless $level == 1;

        # If you have front matter (preface, etc) then this numbering
        # will be off. Chapter 1 might be called Chapter 3.
        push @chapters, {
            title         => $title,
            start_page    => $page_number,
            chapter       => $chapter++,
            };
        }
    }

# The end page for one chapter is one before the start page for
# the next chapter. There might be some blank pages at the end
# of the split for PDFs where the next chapter needs to start on
# an odd page.
foreach my $i ( 0 .. $#chapters - 1 ) {
    my $last_page = $chapters[$i+1]->{start_page} - 1;
    $chapters[$i]->{last_page} = $last_page;
    }
$chapters[$#chapters]->{last_page} = 'end';

make_path $split_dir;
foreach my $chapter ( @chapters ) {
    my( $start, $end ) = $chapter->@{qw(start_page last_page)};

    # slugify the title so use it as a filename
    my $title = lc( $chapter->{title} =~ s/[^a-z]+/-/gri );

    my $path = catfile( $split_dir, "$title.pdf" );
    say "Outputting $path";

    # Use pdftk to extract that part of the PDF
    system $pdftk, $file, 'cat', "$start-$end", 'output', $path;
    }

pdftk può essere utilizzato per dividere il file PDF ed estrarre i numeri di pagina dei segnalibri.

Per ottenere i numeri di pagina dei segnalibri fai

pdftk in.pdf dump_data

e fai in modo che il tuo script legga i numeri di pagina dall'output.

Quindi usa

pdftk in.pdf cat A-B output out_A-B.pdf

per ottenere le pagine da A a B in out_A-B.pdf.

Lo script potrebbe essere qualcosa del genere:

#!/bin/bash

infile=$1 # input pdf
outputprefix=$2

[ -e "$infile" -a -n "$outputprefix" ] || exit 1 # Invalid args

pagenumbers=( $(pdftk "$infile" dump_data | \
                grep '^BookmarkPageNumber: ' | cut -f2 -d' ' | uniq)
              end )

for ((i=0; i < ${#pagenumbers[@]} - 1; ++i)); do
  a=${pagenumbers[i]} # start page number
  b=${pagenumbers[i+1]} # end page number
  [ "$b" = "end" ] || b=$[b-1]
  pdftk "$infile" cat $a-$b output "${outputprefix}"_$a-$b.pdf
done