用 PDFLang 拆开一个 PDF

在屏幕上，PDF 看起来是平的一整块，像一张页面的照片。其实不是。它是一盒零件，而人们关于一个文件提出的大部分问题——这个能印好吗？有没有漏掉什么？——本质上都是关于其中某个零件的问题。

PDFLang 给你五种伸手进去的方式。前四种在脚本开始时就已经在那里，第五种由你自己画。

文档

每个脚本都从一个叫 doc 的变量开始。不用打开，也不用加载：doc 就是正在被检查的那个文件。

check "我在看什么" {
  print("文件:", doc.filename)
  print("页数:", doc.page_count)
  print("标题:", doc.title)
}

doc.title 和 doc.author 来自文件的元数据——PDF 关于它自己的信息，你在页面上永远看不到。它常常是空的，因为导出文件的人从来没填过。这本身就值得检查：

check "文件说明了自己是什么" {
  assert doc.title != "", "这个 PDF 的元数据里没有标题"
}

doc 还带着三个列表：doc.pages、doc.fonts 和 doc.images。它们就是普通列表，对列表能做的事对它们都能做。

页面

doc.pages 把页面一张一张交给你。每一页都知道自己的尺寸、承载了多少油墨，以及哪些页面框有定义。

尺寸的单位是点，这是 PDF 思考时用的单位：1 英寸 72 点，所以 A4 是 595 × 842。不过你不必用点来思考——写 210mm 或 8.5in，比较照样成立：

check "全部是 A4" {
  doc.pages.each { |page|
    assert page.width > 200mm,
      "第 #{page.number} 页太窄了: #{page.width}pt"
  }
}

注意 page.number。页码从 1 开始，跟人说话时一样，所以失败信息里出现的数字，就是一个人会去翻的那一页。

然后是那些框。一张可付印的页面带着若干矩形，说明该怎么处理它：TrimBox 是裁刀落下的位置，BleedBox 是稍大一圈的区域，颜色必须越过裁切线延伸出去，这样偏移一毫米也不会留出白边。缺了它们的文件，在屏幕上可以完美无缺，到了印厂却没法用：

check "可以上裁切机了" {
  doc.pages.each { |page|
    assert page.has_trim_box, "第 #{page.number} 页没有 TrimBox"
    assert page.has_bleed_box, "第 #{page.number} 页没有 BleedBox"
  }
}

页面还会报告 page.tac：这一页油墨最重的地方落了多少墨，用百分比表示。四种油墨都满格就是 400%，没有哪台印刷机吃得下；300% 是常见的上限。

字体

doc.fonts 列出文件用到的字体，而每一种字体都回答一个重要的问题：它内嵌了吗？

内嵌的字体跟着 PDF 一起走。没有内嵌的字体只留下一个名字，打开文件的机器就用手头有的字体去替代。文字不会消失——它会变形。断行的位置变了，原本一行放得下的标题变成两行，而在印出来之前没人会注意到。

check "每种字体都跟着文件走" {
  doc.fonts.each { |font|
    assert font.is_embedded, "字体 '#{font.name}' 没有内嵌"
  }
}

图像

doc.images 给出文件里所有的图像，page.images 给出某一页上的。值得弄懂的属性是 dpi。

DPI 是每英寸的点数——印出来的每英寸里有多少细节。PDFLang 不会去报告图像元数据里存的那个数字。它报告的是有效分辨率：图像实际拥有的像素，除以它被印出来的尺寸。把一张 1000 像素的照片拉到 20 厘米宽，它就是一张低分辨率图像，不管它自称是什么。决定印刷是否清晰的，正是这个数字。

check "清晰到可以付印" {
  doc.images.each { |img|
    assert img.dpi >= 300,
      "第 #{img.page_number} 页的图像: #{img.dpi} DPI，需要 300"
  }
}

另一个常用的是 img.color_space。胶印在 CMYK 下工作；还停留在 RGB 的图像必须转换，而转换会让颜色偏移。在制版之前发现要好得多。

你自己画的区域

上面四种都随文件而来，第五种不是：region 是你自己定义的矩形，好让你针对页面的某一部分提问，而不是整页。

footer = region(0, 0, 595, 60, "页脚")
band = region(20mm, 250mm, 60mm, 15mm, "警示带")

只有一件事要记住：原点在哪里。在 PDF 里，0, 0 是页面的左下角，不是左上角。 Y 向上增长。

正是 region 让你能写出对一份活件真正重要的规则。不是「这个文件里有没有那段法定文字」，而是「那段法定文字在不在为它预留的带子里」：

check "警示带" {
  band = region(0, 700, 595, 142, "带")
  content = text::extract_from_region(1, band)
  assert content.contains("凭处方销售"),
    "带子里缺少强制性文字"
}

region 之间也可以比较。footer.intersects(header) 告诉你两个区域是否重叠，这就是抓出闯进别人地盘的元素的办法。footer.expand(5mm) 和 footer.inset(3mm) 会返回一个放宽或收紧的副本，用来留出容差。

接下来看哪里

文档类型这一章列出了五者的每一个属性和方法，各带例子。它是参考资料——需要某样东西时再去查，不必从头读到尾。

如果想看这五者在真实活件里一起工作，实用范例和示例就是地方。

感谢 DigitalOcean 为本站提供托管服务。