pdfstrip.py

   1 #!/usr/bin/env python3
   2 #
   3 # pdfstrip.py - strip objects from PDF files by specifying objects IDs
   4 #
   5 # Copyright (C) 2016  Antonio Ospite <ao2@ao2.it>
   6 #
   7 # This program is free software: you can redistribute it and/or modify
   8 # it under the terms of the GNU General Public License as published by
   9 # the Free Software Foundation, either version 3 of the License, or
  10 # (at your option) any later version.
  11 #
  12 # This program is distributed in the hope that it will be useful,
  13 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  14 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  15 # GNU General Public License for more details.
  16 #
  17 # You should have received a copy of the GNU General Public License
  18 # along with this program.  If not, see <http://www.gnu.org/licenses/>.
  19
  20 import argparse
  21 import logging
  22 import sys
  23
  24 from pdfrw import PdfReader, PdfWriter
  25 from pdfrw.objects.pdfindirect import PdfIndirect
  26
  27
  28 # pylint: disable=invalid-name
  29 logger = logging.getLogger(__name__)
  30 console_handler = logging.StreamHandler()
  31 formatter = logging.Formatter('[%(levelname)s] %(funcName)s:%(lineno)d %(message)s')
  32 console_handler.setFormatter(formatter)
  33 logger.addHandler(console_handler)
  34 logger.propagate = False
  35
  36
  37 def strip_objects(pdf, objects_ids):
  38     for i, page in enumerate(pdf.pages):
  39         logger.debug("Page %d", i + 1)
  40
  41         # Map all the objects in the page using the objects id as the key and
  42         # the resource name as the value.
  43         name_map = {indirect_obj.indirect[0]: name for name, indirect_obj in page.Resources.XObject.items()}
  44         logger.debug("name_map: %s", name_map)
  45
  46         logger.debug("Before %s", page.Resources.XObject.keys())
  47
  48         for obj in objects_ids:
  49             if obj in name_map:
  50                 del page.Resources.XObject[name_map[obj]]
  51
  52         logger.debug("After  %s\n", page.Resources.XObject.keys())
  53
  54     return pdf
  55
  56
  57 def validate_objects_ids(objects_ids_string):
  58     try:
  59         objects_ids = [int(obj) for obj in objects_ids_string.split(',')]
  60     except (IndexError, ValueError):
  61         raise argparse.ArgumentTypeError("%s contains an invalid value" % objects_ids_string)
  62
  63     return objects_ids
  64
  65
  66 def main():
  67     parser = argparse.ArgumentParser()
  68
  69     parser.add_argument("input_filename",
  70                         help="the input PDF file (better if uncompressed)")
  71     parser.add_argument("output_filename",
  72                         help="the output PDF file")
  73     parser.add_argument("objects_ids",
  74                         type=validate_objects_ids,
  75                         help="a comma-separated list of objects IDs")
  76     parser.add_argument("-d", "--debug", action="store_true",
  77                         help="enable debug output")
  78     args = parser.parse_args()
  79
  80     if args.debug:
  81         logger.setLevel(logging.DEBUG)
  82
  83     pdf_data = PdfReader(args.input_filename)
  84
  85     pdf_data = strip_objects(pdf_data, args.objects_ids)
  86
  87     PdfWriter().write(args.output_filename, pdf_data)
  88
  89     return 0
  90
  91
  92 if __name__ == '__main__':
  93     sys.exit(main())