Initial import
[pdfstrip.git] / 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 resolve_objects_names(pdf, objects_ids):
38     logger.debug("objects_ids %s", objects_ids)
39     objects_names = []
40     for objnum in objects_ids:
41         indirect_object = pdf.findindirect(objnum, 0)
42         if isinstance(indirect_object, PdfIndirect):
43             try:
44                 real_object = indirect_object.real_value()
45                 if real_object.Name:
46                     objects_names.append(real_object.Name)
47                 else:
48                     logger.warning("Object %d has an empty 'Name' attribute", objnum)
49             except AttributeError:
50                 logger.warning("Object %d has no 'Name' attribute", objnum)
51         else:
52             logger.warning("Object %d is not a PdfIndirect but a %s",
53                            objnum, type(indirect_object))
54
55     logger.debug("objects_names %s\n", objects_names)
56     return objects_names
57
58
59 def strip_objects(pdf, objects_names):
60     for i, page in enumerate(pdf.pages):
61         logger.debug("Page %d", i + 1)
62         logger.debug("Before %s", page.Resources.XObject.keys())
63         for obj in objects_names:
64             if obj in page.Resources.XObject:
65                 del page.Resources.XObject[obj]
66
67         logger.debug("After  %s\n", page.Resources.XObject.keys())
68
69     return pdf
70
71
72 def validate_objects_ids(objects_ids_string):
73     try:
74         objects_ids = [int(obj) for obj in objects_ids_string.split(',')]
75     except (IndexError, ValueError):
76         raise argparse.ArgumentTypeError("%s contains an invalid value" % objects_ids_string)
77
78     return objects_ids
79
80
81 def main():
82     parser = argparse.ArgumentParser()
83
84     parser.add_argument("input_filename",
85                         help="the input PDF file (better if uncompressed)")
86     parser.add_argument("output_filename",
87                         help="the output PDF file")
88     parser.add_argument("objects_ids",
89                         type=validate_objects_ids,
90                         help="a comma-separated list of objects IDs")
91     parser.add_argument("-d", "--debug", action="store_true",
92                         help="enable debug output")
93     args = parser.parse_args()
94
95     if args.debug:
96         logger.setLevel(logging.DEBUG)
97
98     pdf_data = PdfReader(args.input_filename)
99
100     objects_names = resolve_objects_names(pdf_data, args.objects_ids)
101     pdf_data = strip_objects(pdf_data, objects_names)
102
103     PdfWriter().write(args.output_filename, pdf_data)
104
105     return 0
106
107
108 if __name__ == '__main__':
109     sys.exit(main())