如何获取EPS文件元素边界框及检测EPS/PDF中的矢量元素

这两个问题都是处理EPS/PDF矢量内容时的常见需求，我来一步步帮你解决：

要提取EPS里每个元素的边界框，最可靠的方式是借助Ghostscript结合自定义PostScript脚本——因为EPS本质是PostScript的子集，直接解析文本容易遗漏复杂元素（比如贝塞尔曲线、变换后的图形）。

方法1：用Ghostscript脚本跟踪每个元素的BBox #

你可以写一个简单的PostScript脚本，重定义核心绘图命令（比如moveto、lineto、fill、stroke），在执行绘图操作时记录坐标并计算边界框：

%!PS
% 保存原始绘图命令
/oldmoveto { moveto } bind def
/oldlineto { lineto } bind def
/oldcurveto { curveto } bind def
/oldfill { fill } bind def
/oldstroke { stroke } bind def

% 初始化边界框变量（用极值初始化）
/minx 10000 def
/maxx -10000 def
/miny 10000 def
/maxy -10000 def

% 更新边界框的辅助函数
/updatebbox {
    dup minx lt { exch minx exch def } if
    dup maxx gt { exch maxx exch def } if
} bind def

% 重定义moveto，记录起点坐标
/moveto {
    dup updatebbox    % 处理y坐标
    3 1 roll dup updatebbox  % 处理x坐标
    oldmoveto
} bind def

% 重定义lineto，记录终点坐标
/lineto {
    dup updatebbox
    3 1 roll dup updatebbox
    oldlineto
} bind def

% 重定义curveto，记录贝塞尔曲线的四个控制点
/curveto {
    dup updatebbox
    3 1 roll dup updatebbox
    3 1 roll dup updatebbox
    3 1 roll dup updatebbox
    oldcurveto
} bind def

% 填充前输出当前元素的BBox并重置变量
/fill {
    (Element BBox: ) print minx ( ) print maxx ( ) print miny ( ) print maxy ==
    /minx 10000 def /maxx -10000 def /miny 10000 def /maxy -10000 def
    oldfill
} bind def

% 描边前输出当前元素的BBox并重置变量
/stroke {
    (Element BBox: ) print minx ( ) print maxx ( ) print miny ( ) print maxy ==
    /minx 10000 def /maxx -10000 def /miny 10000 def /maxy -10000 def
    oldstroke
} bind def

% 执行目标EPS文件
(your_input.eps) run

将脚本保存为track_bbox.ps，然后用Ghostscript运行：

gs -q -dNOPAUSE -dBATCH track_bbox.ps

运行后会输出每个填充/描边元素的边界框，格式类似Element BBox: 10 200 50 250（对应minX maxX minY maxY）。

方法2：获取整个EPS的全局边界框 #

如果只需要整个EPS文件的整体边界框，直接用Ghostscript的bbox设备即可：

gs -q -dNOPAUSE -dBATCH -sDEVICE=bbox your_input.eps

输出会包含%%BoundingBox: minX minY maxX maxY等信息。

你已经用pdftocairo转EPS并移除了文本和图像块，接下来可以通过以下几种方式验证是否还有剩余矢量内容：

方法1：用Ghostscript检查绘图指令 #

Ghostscript的nullpage设备会执行EPS的所有命令但不输出图像，我们可以捕获它的输出，检查是否存在核心矢量绘图命令：

gs -q -dNOPAUSE -dBATCH -sDEVICE=nullpage -f processed.eps 2>&1 | grep -E "(stroke|fill|lineto|curveto|rectfill|rectstroke)"

如果命令有输出，说明仍有矢量元素需要处理；如果无输出，大概率是空白画布。

方法2：直接解析EPS文本内容 #

EPS是纯文本格式（大部分情况下），可以用grep过滤掉注释行（以%开头），查找剩余的绘图命令：

grep -v "^%" processed.eps | grep -E "(moveto|lineto|curveto|closepath|stroke|fill|rectfill|rectstroke)"

如果匹配到任何行，说明画布上还有矢量元素。

方法3：生成极小图像验证 #

用Ghostscript生成1x1像素的PPM图像，检查是否有非白色像素：

# 生成1x1的PPM图像
gs -q -dNOPAUSE -dBATCH -sDEVICE=ppm -r1x1 -o test.ppm processed.eps
# 检查像素颜色
convert test.ppm -threshold 50% -format "%[pixel:u.p{0,0}]" info:

如果输出是white，说明画布空白；如果是其他颜色（比如black），说明还有矢量内容。

补充：关于你现有命令的小提示 #

你用sed '/^8 dict dup begin$/,/^Q$/ c Q'移除图像块的方式，只适用于pdftocairo生成的EPS格式（它的图像块结构比较固定）。如果遇到其他工具生成的EPS，可能需要调整匹配规则，比如查找BI/ID/EI块（PostScript标准的图像标记）：

sed '/BI/,/EI/ d' processed.eps

内容的提问来源于stack exchange，提问作者clarkk