Estou tentando converter um PDF para SVG. No entanto, o que estou usando atualmente mapeia um caminho para cada letra em cada pedaço de texto, o que significa que se eu alterar o texto em seu arquivo de origem, ele ficará feio.

Gostaria de saber qual é o conversor de PDF para SVG mais limpo, espero que não tenha um caminho para as áreas de texto que simplesmente não precisam de um. Como sabemos, PDF e SVG são bastante semelhantes, então presumo que haja alguns bons conversores por aí.

O Inkscape é usado por muitas pessoas na Wikipedia para converter PDF em SVG.

http://inkscape.org/

Eles ainda têm um guia prático sobre como fazer isso!

http://en.wikipedia.org/wiki/Wikipedia:Graphic_Lab/Resources/PDF_conversion_to_SVG#Conversion_with_Inkscape

Você pode usar o Inkscape apenas na linha de comando, sem abrir uma GUI. Experimente isto:

inkscape \
  --without-gui \
  --file=input.pdf \
  --export-plain-svg=output.svg 

Para obter uma lista completa de todas as opções de linha de comando, execute inkscape --help.

Atualmente, estou usando o PDFBox, que tem um bom suporte para saída gráfica. Há um bom suporte para extrair os traços vetoriais e também para gerenciar fontes. Existem algumas ferramentas boas para experimentá-lo (por exemplo, PDFReader será exibido como Java Graphics2D). Você pode interceptar a ferramenta gráfica com uma ferramenta SVG como Batik (eu faço isso e dá uma boa captura).

Não há uma maneira simples de converter todos os PDFs em SVG - depende da estratégia e das ferramentas usadas para criar os PDFs. Alguns textos são convertidos em vetores e não podem ser facilmente reconstruídos - você precisa instalar fontes vetoriais e procurá-las.

ATUALIZAÇÃO: agora desenvolvi isso em um pacote PDF2SVG que não usa mais Batik:

que foi testado em uma variedade de PDFs. Ele produz saída SVG consistindo em

• personagens como um <svg:text>por personagem
• caminhos como <svg:path>
• imagens como <svg:image>

Os pacotes posteriores (com sorte) converterão os caracteres em texto corrido e os caminhos em objetos gráficos de nível superior

ATUALIZAÇÃO: agora podemos recriar o texto em execução a partir dos caracteres SVG. Também convertemos diagramas em XML de domínio específico (por exemplo, espectros químicos). Consulte https://bitbucket.org/petermr/svg2xml-dev . Ainda está em Alfa, mas está se movendo a uma velocidade útil. Qualquer pessoa pode participar!

ATUALIZAR. (@Tim Kelty) Continuamos trabalhando em PDF2SVG e também em ferramentas downstream que fazem (limitado) Java OCR e criação de primitivas gráficas de nível superior (setas, caixas, etc.). Veja https://bitbucket.org/petermr/ imageanalysis https://bitbucket.org/petermr/diagramanalyzer https://bitbucket.org/petermr/norma e https://bitbucket.org/petermr/ami-core . Este é um projeto financiado para capturar 100 milhões de fatos da literatura científica (contentmine.org), muitos dos quais são PDF.

Este tópico é bastante antigo, mas aqui está uma solução útil que encontrei:

http://www.cityinthesky.co.uk/opensource/pdf2svg/

Ele oferece uma ferramenta, pdf2png, que uma vez instalada faz exatamente o trabalho na linha de comando. Eu testei com resultados irrepreensíveis até agora, inclusive com bitmaps.

EDIT: Erro meu, esta ferramenta também converte letras em caminhos, por isso não responde à questão inicial. No entanto, ele faz um bom trabalho de qualquer maneira e pode ser útil para qualquer pessoa que não pretenda modificar o código no arquivo svg, então deixarei o post.

Aqui está o processo que acabei usando. A principal ferramenta que usei foi o Inkscape, que era capaz de converter perfeitamente o texto.

• usou ações do Adobe Acrobat Pro com JavaScript para dividir as folhas PDF
• executou o Inkscape Portable 0.48.5 do Windows Cmd para converter para SVG
• fiz algumas edições manuais em um atributo XML SVG específico com o qual estava tendo problemas ao usar o Windows Cmd e o Windows PowerShell

Páginas separadas: Adobe Acrobat Pro com JavaScript

Usando o Adobe Acrobat Pro Actions (anteriormente Batch Processing), crie uma ação personalizada para separar as páginas PDF em arquivos separados. Como alternativa, você pode dividir PDFs com GhostScript

Ação Acrobat JavaScript para dividir páginas

/* Extract Pages to Folder */

var re = /.*\/|\.pdf$/ig;
var filename = this.path.replace(re,"");

{
    for ( var i = 0;  i < this.numPages; i++ )
    this.extractPages
     ({
        nStart: i,
        nEnd: i,
        cPath : filename + "_s" + ("000000" + (i+1)).slice (-3) + ".pdf"
    });
};

Conversão de PDF para SVG: Inkscape com arquivo de lote CMD do Windows

Usando o Windows Cmd, criou um arquivo em lote para percorrer todos os arquivos PDF em uma pasta e convertê-los em SVG

Arquivo em lote para converter PDF em SVG na pasta atual

:: ===== SETUP =====
@echo off
CLS
echo Starting SVG conversion...
echo.

:: setup working directory (if different)
REM set "_work_dir=%~dp0"
set "_work_dir=%CD%"

:: setup counter
set "count=1"

:: setup file search and save string
set "_work_x1=pdf"
set "_work_x2=svg"
set "_work_file_str=*.%_work_x1%"

:: setup inkscape commands
set "_inkscape_path=D:\InkscapePortable\App\Inkscape\"
set "_inkscape_cmd=%_inkscape_path%inkscape.exe"

:: ===== FIND FILES IN WORKING DIRECTORY =====
:: Output from DIR last element is single  carriage return character. 
:: Carriage return characters are directly removed after percent expansion, 
:: but not with delayed expansion.

pushd "%_work_dir%"
FOR /f "tokens=*" %%A IN ('DIR /A:-D /O:N /B %_work_file_str%') DO (
    CALL :subroutine "%%A"
)
popd

:: ===== CONVERT PDF TO SVG WITH INKSCAPE =====

:subroutine
echo.
IF NOT [%1]==[] (

    echo %count%:%1
    set /A count+=1

    start "" /D "%_work_dir%" /W "%_inkscape_cmd%" --without-gui --file="%~n1.%_work_x1%" --export-dpi=300 --export-plain-svg="%~n1.%_work_x2%"

) ELSE (
    echo End of output
)
echo.

GOTO :eof

:: ===== INKSCAPE REFERENCE =====

:: print inkscape help
REM "%_inkscape_cmd%" --help > "%~dp0\inkscape_help.txt"
REM "%_inkscape_cmd%" --verb-list > "%~dp0\inkscape_verb_list.txt"

Atributos de limpeza: Windows Cmd e PowerShell

Sei que não é uma prática recomendada editar manualmente a força bruta de tags ou atributos SVG ou XML devido a variações em potencial e, em vez disso, deveria usar um analisador XML. No entanto, tive um problema simples em que a largura do traço em um desenho era muito pequena e em outro a família de fontes estava sendo identificada incorretamente, então basicamente modifiquei o script de lote anterior do Windows Cmd para fazer um simples localizar e substituir. As únicas alterações foram nas definições de string de pesquisa e na mudança para chamar um comando do PowerShell. O comando PowerShell executará um localizar e substituir e salvar o arquivo modificado com um sufixo adicionado. Eu encontrei algumas outras referências que poderiam ser mais bem usadas para analisar ou modificar os arquivos SVG resultantes se alguma outra limpeza secundária for necessária.

Modificações para localizar e substituir manualmente dados SVG XML

:: setup file search and save string
set "_work_x1=svg"
set "_work_x2=svg"
set "_work_s2=_mod"
set "_work_file_str=*.%_work_x1%"

powershell -Command "(Get-Content '%~n1.%_work_x1%') | ForEach-Object {$_ -replace 'stroke-width:0.06', 'stroke-width:1'} | ForEach-Object {$_ -replace 'font-family:Times Roman','font-family:Times New Roman'} | Set-Content '%~n1%_work_s2%.%_work_x2%'"

Espero que isso possa ajudar alguém

Referências

Ações do Adobe Acrobat Pro e referências JavaScript para páginas separadas

• Como automatizar a extração de páginas de um PDF ...
• Referência de JavaScript para Acrobat API - extractPages
• Extraia as páginas para separar os PDFs (algo errado com o loop?)
• Como posso criar um valor Zerofilled usando JavaScript?
• Como gerar números inteiros com zeros à esquerda em JavaScript

Referências do GhostScript para páginas separadas

• Ajuda do GhostScript noob - Quebrando um arquivo PDF de várias páginas ...
• Como converter um arquivo PDF de várias páginas ...
• Dividindo um PDF com Ghostscript

Referências de linha de comando do Inkscape para conversão de PDF para SVG

• converter pdf para svg
• Converter PDF em SVG limpo?

Referências do Windows Cmd Batch File Script

• Recursos ocultos de arquivos em lote do Windows
• SS64.com - Índice da linha de comando do Windows CMD
• Por que o loop FOR / f neste script em lote está avaliando uma linha em branco?

Pesquisa de substituição de tag / atributo XML

• Como você pode localizar e substituir texto em um arquivo usando o ambiente de linha de comando do Windows?
• Alterando dados de tag em um arquivo XML usando o arquivo de lote do Windows
• atualize o XML a partir da linha de comando [windows]
• Como modificar / criar valores em arquivos XML usando PowerShell?
• Editando atributos XML usando Powershell
• PowerShell altera o valor do atributo Elemento XML

Se DVI para SVG for uma opção, você também pode usar dvisvgm para converter um arquivo DVI em um arquivo SVG. Isso funciona perfeitamente, por exemplo, para fórmulas LaTeX (com opção --no-fonts):

dvisvgm --no-fonts input.dvi -o output.svg

Também existe o pdf2svg que usa o poppler e o Cairo para converter um pdf em SVG. Quando tentei fazer isso, o SVG estava perfeitamente renderizado inkscape.

Script Bash para converter cada página de um PDF em seu próprio arquivo SVG.

#!/bin/bash
#
#  Make one PDF per page using PDF toolkit.
#  Convert this PDF to SVG using inkscape
#

inputPdf=$1

pageCnt=$(pdftk $inputPdf dump_data | grep NumberOfPages | cut -d " " -f 2)

for i in $(seq 1 $pageCnt); do
    echo "converting page $i..."
    pdftk ${inputPdf} cat $i output ${inputPdf%%.*}_${i}.pdf
    inkscape --without-gui "--file=${inputPdf%%.*}_${i}.pdf" "--export-plain-svg=${inputPdf%%.*}_${i}.svg"
done

Para gerar em png, usar --export-png, etc ...

Achei que xfigfez um excelente trabalho:

pstoedit -f fig foo.pdf foo.fig
xfig foo.fig

export to svg

Ele fez um trabalho muito melhor do que o inkscape. Na verdade, provavelmente foi o pdtoedit que fez isso.

Aqui está a API REST do NodeJS para dois scripts de renderização de PDF. https://github.com/pumppi/pdf2images

Os scripts são: pdf2svg e Imagemagicks convert