Bash PDF合併未命中文件

Question

我想以3000左右的文件塊合併很多PDF文件。經過很多次嘗試，這個腳本似乎在伎倆。 （當然我是錯的）

#!/bin/bash 

basepath='/home/lemonidas/pdfstuff'; 
datename=`date "+%Y%m%d%H%M.%S"`; 
start=`date "+%s"`; 
echo "parsing pdf list to file..." 
find $basepath/input/ -name "*.pdf" | xargs -I {} ls {} >> $basepath/tmp/biglist$datename.txt 

split -l 3000 $basepath/tmp/biglist$datename.txt $basepath/tmp/splitfile 
rm $basepath/tmp/biglist$datename.txt 
echo "deleting big file..." 
echo "done splitting!" 

declare -i x 
x=1 

for f in $basepath/tmp/splitfile* 
do 
linenum=`cat $f | wc -l`; 
echo "Processing $f ($linenum lines)..." 

# merge to one big PDF 
cat $f | xargs gs -q -sstdout=$basepath/error.log -sPAPERSIZE=letter -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=$basepath/output/$x.big.pdf 2>$basepath/error.log 
echo "Completed PDF $x" 
((x++)) 

# delete the list file 
rm $f 
echo "Deleted processed file $f" 
done 
end=`date "+%s"`; 
echo "Started: $start" 
echo "Finished: $end" 

的問題是，我有22000 2頁的PDF文件，每個輸出文件（除了最後一個）應該是6000頁（因爲我們在每個合併列表3000個PDF文件，正如在解析之前由「wc -l」所證實的那樣），並且我只能得到大約658頁左右。據報道

沒有錯誤，除了這個由GS：

 
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
Warning: Embedded symbolic TT fonts must contain a cmap for Platform=1 Encoding=0.
 
This file had errors that were repaired or ignored.
 
The file was produced by: >>>> Powered By Crystal 
Please notify the author of the software that produced this file that it does not conform to Adobe's published PDF specification.
 

一遍又一遍（但但不是22000次）

當我嘗試將其與300-400的文件，它運行順利，但是當我在2.5小時後嘗試全面運行，我獲得的合併文件數量少於一半。

我的下一個想法是轉換.pgm文件中的每個2頁PDF，但我不知道如何將它們重新制作爲PDF（以免出現字體嵌入問題）。 我錯過了什麼嗎？ （可能）

Answer 1

您可能會更好地使用更適合該任務的工具。 pdfwrite（發送PDF文件的Ghostscript設備）在我看來並不是這方面的正確工具。

爲了「合併」PDF文件，Ghostscript將輸入完全解釋爲標記操作，然後將標記操作重寫爲PDF文件。在創建操作列表時，需要保存大量信息（字體，圖像和其他內容），並與新輸入進行比較，以查看我們是否已有副本。隨着輸入變大，掃描該列表需要更長的時間，當然內存消耗也會增加。你可能會發現Ghostscript已經在交換內存了。

現在我不確定這是否是您的實際問題，或者如果您說在「合併」文件後還有頁面丟失。這不應該發生。你也不會說你使用的是什麼版本的Ghostscript。

儘管如此，我認爲像pdftk這樣的工具在進行這種合併時會更快，儘管最終的PDF文件可能比pdfwrite更高/效率更低。