使用pdftk提取PDF页面时出现页面伪影问题求助

先排除脚本问题 #

你的脚本本身不会导致页面伪影，具体说明：

• var=$(echo $PAGE1)这行完全多余，直接用$PAGE1即可，但不影响功能；
• 输出文件名里的单引号会让文件名带奇怪字符（比如输入3 5，文件名会变成QuickQuiz'3 5'.pdf），可以改成QuickQuiz_${PAGE1// /_}.pdf把空格换成下划线，更规范，但这和伪影无关；
• $*是获取所有命令行参数，如果你运行脚本时只传了一个PDF文件，这部分也没问题。

所以问题肯定不在脚本上，大概率是pdftk本身的兼容性问题，或者原PDF的特殊结构导致的。

伪影的可能原因 #

你看到的“6_DirLine”“6_NumList”这类标记，是PDF内部的结构元素名称（比如标签、图层或者表单域的命名）。pdftk是个比较老的工具，对现代PDF（比如带无障碍标签的PDF、带图层的PDF、复杂表单PDF）的支持很差，处理这类文件时容易把内部标记错误地渲染出来，就出现了你看到的伪影。

解决办法 #

1. 换用更靠谱的现代工具 #

推荐用qpdf或者pdfjam，这俩都是免费开源的，兼容性比pdftk好太多。

比如用qpdf提取页面的命令：

qpdf 你的原PDF文件.pdf --pages . 要提取的页码 -- 输出文件.pdf

把你的脚本改成qpdf版本的话，这样写更稳妥：

echo "What PDF pages do you want to save? (Hint: use a single space between numbers.)"
read PAGE1
# 把页码里的空格换成下划线，生成更整洁的文件名
OUTPUT_NAME="QuickQuiz_${PAGE1// /_}.pdf"
# 只处理第一个传入的PDF文件，避免多文件混淆
qpdf "$1" --pages . $PAGE1 -- "$OUTPUT_NAME"

2. 先扁平化原PDF再用pdftk #

如果必须用pdftk，先把原PDF转成“无结构”的版本（去掉标签、图层这些复杂元素）：

• 用Adobe Acrobat的话，直接打印到PDF（选Adobe PDF打印机，不用勾选“作为图像打印”也可以，打印后的PDF会自动扁平化）；
• 用命令行的话，用ghostscript转换：

gs -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -dPDFSETTINGS=/prepress -sOutputFile=扁平化后的文件.pdf 原文件.pdf

之后再用你的pdftk脚本处理这个扁平化后的PDF，伪影应该就消失了。

3. 检查原PDF的标签 #

如果只有特定页面出问题，你可以用Adobe Acrobat打开原PDF，打开“标签”面板（视图>显示/隐藏>导航面板>标签），看看有没有“6_DirLine”这类标签，直接删掉这些标签再提取页面，也能解决问题。

内容的提问来源于stack exchange，提问作者bwoah