ImageMagick將tiffs轉換爲帶有順序文件後綴的pdf

Question

我有以下情況，我對編碼器沒有太多瞭解（我也不太瞭解bash）。我甚至沒有一個基礎工作bash腳本分享，所以任何幫助將不勝感激。

我有一個文件共享，其中包含文檔管理系統的tiffs（數千個）。目標是將多個文件tiff轉換爲單個文件pdf（最好是PDF/A 1a格式）。

目錄格式：

/Document Management Root  # This is root directory 
./2009/      # each subdirectory represents a year 
./2010/ 
./2011/ 
.... 
./2016/ 
./2016/000009.001    
./2016/000010.001 
       # files are stored flat - just thousands of files per year directory 

文檔管理系統存儲與順序編號的文件名的TIFF格式與順序文件後綴一起：

000009.001 
000010.001 
000011.002 
000012.003 
000013.001 

當一個文檔的每一頁由後綴代表。當創建新的非相關文檔時，後綴將重新啓動。在上面的例子中，000009.001是一個單頁面tiff。文件000010.001,000011.002和000012.003屬於同一文件（即，頁面全部相關）。文件000013.001代表一個新的文件。

我需要保留多頁文檔的第一個文件的文件名，以便文件名可以與文檔管理系統數據庫交叉引用以獲取元數據。

的僞代碼，我想出是：

for each file in {tiff directory} 
    while file extension is "001" 
     convert file to pdf and place new pdf file in {pdf directory} 
    else 
     convert multiple files to pdf and place new pd file in {pdf directory} 

但這似乎將有不管下一個文件就是將所有001文件的副作用。

任何幫助，非常感謝。

編輯 - 兩個答案都在下面的工作。第二個答案奏效，但是我沒有意識到我測試的數據集與上面的情況不同。

Answer 1

所以，在你登錄（$ HOME）目錄中保存下面的腳本爲TIFF2PDF

#!/bin/bash 
ls *[0-9] | awk -F'.' ' 
    /001$/ { if(NR>1)print cmd,outfile; outfile=$1 ".pdf"; cmd="convert " $0;next} 
      { cmd=cmd " " $0} 
    END { print cmd,outfile}' 

，並通過在終端去和運行使其可執行（必要只是一次）：

chmod +x TIFF2PDF  

然後將任何給定年份的幾個文檔複製到一個臨時目錄中，以嘗試...然後進入目錄，然後運行：

~/TIFF2PDF 

樣本輸出

convert 000009.001 000009.pdf 
convert 000010.001 000011.002 000012.003 000010.pdf 
convert 000013.001 000013.pdf 

如果這看起來是正確的，你其實可以執行那些像這樣的命令：

~/TIFF2PDF | bash 

，或最好如果您有GNU並行安裝：

~/TIFF2PDF | parallel 

該腳本說... 「生成名稱以數字結尾並將該列表發送到awk的所有文件的列表。在awk中，使用點作爲字段之間的分隔符，因此如果文件名爲00011.0002，則$0將爲00011.0002,$1將爲00011，並且$2將爲0002。現在，如果文件名以0001結尾，請輸出累計命令並追加輸出文件名。然後將文件名前綴PDF擴展名保存爲下一PDF的輸出文件名，並開始構建下一個ImageMagickconvert命令。在後續行中（不以0001結尾），將文件名添加到要包含在PDF中的文件名列表中。最後，輸出中積累的所有命令和追加輸出文件名。」

---

截至圖片的底部認爲醜黑塊，這是因爲裏面還有一些白色的小斑點防止ImageMagick的從去除黑色區域我在紅色圓圈他們：

如果你模糊的圖片一點點（擴散的斑點），然後獲得裝飾框的大小，您可以應用到像這樣的原始的，非模糊的圖像：

trimbox=$(convert original.tif -blur x2 -bordercolor black -border 1 -fuzz 50% -format %@ info:) 
convert original.tif -crop $trimbox result.tif 

我建議你這樣做，首先您的所有圖片的副本，然後運行PDF轉換之後。正如你將要保存爲TIFF文件，但擴展0001，0002，你需要告訴ImageMagick的修剪並強制輸出文件類型爲TIF：

original=XYZ.001 
trimbox=$(convert $original -blur x2 -bordercolor black -border 1 -fuzz 50% -format %@ info:) 
convert $original -crop $trimbox TIF:$original 

---

爲@AlexP。提到，如果存在大量文件，可能會出現globbing問題。在OSX上，ARG_MAX非常高（262144），並且您的文件名大約爲10個字符，因此如果一個目錄中的文件數超過26,000個，則可能會遇到問題。如果是這樣的話，只需更改：

ls *[0-9] | awk ... 

到

ls | grep "\d$" | awk ... 

Answer 2

以下命令將轉換整個/Document Management Root樹（假設它是實際的絕對路徑）妥善處理所有子文件夾，即使名稱包括空格字符妥善跳過不匹配000000.000命名模式的所有其他文件：

find '/Document Management Root' -type f -regextype sed -regex '.*/[0-9]\{6\}.001$' -exec bash -c 'p="{}"; d="${p:0: -10}"; n=${p: -10:6}; m=10#$n; c[1]="$d$n.001"; for i in {2..999}; do k=$((m+i-1)); l=$(printf "%s%06d.%03d" "$d" $k $i); [[ -f "$l" ]] || break; c[$i]="$l"; done; echo -n "convert"; printf " %q" "${c[@]}" "$d$n.pdf"; echo' \; | bash 

做一個預演只是重新最後移動| bash。

更新以匹配00000000.000圖案（和分割爲多行，爲了清楚起見）：

find '/Document Management Root' -type f -regextype sed -regex '.*/[0-9]\{8\}.001$' -exec bash -c ' 
    pages[1]="{}" 
    p1num="10#${pages[1]: -12:8}" 
    for i in {2..999}; do 
    nextpage=$(printf "%s%08d.%03d" "${pages[1]:0: -12}" $((p1num+i-1)) $i) 
    [[ -f "$nextpage" ]] || break 
    pages[i]="$nextpage" 
    done 
    echo -n "convert" 
    printf " %q" "${pages[@]}" "${pages[1]:0: -3}pdf" 
    echo 
' \; | bash