Converter Know-how

Die Sektion >>Converter Know How<< stellt eine Know How-Sammlung oder Knowledgebase zur Konvertierung von Dokumenten und Daten dar. Hier werden diverse Tipps und Tools zur Verwendung von Open Source Software gelistet, die das Leben insbesondere bei der Konvertierung von PDF Dokumenten leichter machen. Daneben sollen einige Python Scripte automatisierungswütige Converter-Fetischisten anregen.

  • Python Scripte

    HTML-Code von Webseiten automatisiert mit Internet Explorer speichern

    Hin und wieder möchte man für den einen oder anderen Zweck den HTML-Code von Webseiten abspeichern. Sicher könnte man hierfür den Quellcode jeder einzelnen Seite mit dem Webbrowser anzeigen und den Inhalt in eine separate Datei abspeichern – oder noch einfacher im Menü "Speichern" aufrufen. Praktischer ist es aber, insbesondere für viele URLs/Webseiten, es automatisiert von Python erledigen zu lassen. Das folgende Python Script automatisiert den Microsoft Internet Explorer und holt vollautomatisch den Quellcode einer angegebenen URL: # This example need ActivePython or any other Python distribution # with the Pywin32 module from Marc Hammond from win32com.client import Dispatch from time import sleep def download_url(url): """ Note: IE internally formats…

  • Python Scripte

    PDF Dokumente stempeln mit PyPDF

    Dieses Python Beispiel Script stempelt die erste Seite eines PDF Dokuments mit einer anderen PDF Datei und schreibt das Resultat in eine dritte PDF Datei. Der Stempelvorgang wird durch Überlagerung zweier PDF Dokumente erzeugt. Achtung: Das Script benötigt das Python Modul PyPDF. Tipp: Falls der Stempel durchsichtig aufgetragen werden soll, muss der Text der Stempel-PDF-Datei transparent erzeugt worden sein. Die Transparenz kann man in Word z.B. über die Formatierung/Eigenschaften eines Textfelds definieren-bevor der Stempel zu PDF konvertiert und mit diesem Script verwendet wird. from pyPdf import PdfFileWriter, PdfFileReader output = PdfFileWriter() input1 = PdfFileReader(file("C:\\test.pdf", "rb")) # add page 1 from input1 to output document, unchanged output.addPage(input1.getPage(0)) # add page 4 from…

  • Python Scripte

    PDF zusammenführen/verbinden mit PyPdf

    Dieses PyPDF-Beispiel demonstriert, wie zwei PDF Dokumente in einer dritten PDF-Datei zusammengeführt (konkateniert) werden: from pyPdf import PdfFileWriter, PdfFileReader output = PdfFileWriter() input1 = PdfFileReader(file("C:\\test2.pdf", "rb")) input2 = PdfFileReader(file("C:\\GEHEIM2.pdf", "rb")) for page in range(input1.getNumPages()): output.addPage(input1.getPage(page)) print 'Added page %s from first file'%page for page in range(input2.getNumPages()): output.addPage(input2.getPage(page)) print 'Added page %s from second file'%page outputStream = file("c:\\document-output.pdf", "wb") output.write(outputStream) outputStream.close()

  • Python Scripte

    PDF im Batch mit OpenOffice und Python

    Mit Python lässt sich OpenOffice wunderbar zur Konvertierung von Dokumenten im Batch automatisieren. Das folgende Python Script ist ein Office zu PDF Batch Converter, basierend auf der OpenOffice PyUNO API. Es wird am besten mit dem Python Interpreter aus OpenOffice aufgerufen und konvertiert alle Dokumente in einem angegebenen Verzeichnis zu PDF. Vorraussetzung ist nat&uuml;rlich, dass die PyUNO API bei der OpenOffice-Installation mitinstalliert und OpenOffice Im Servermodus gestartet wurde: soffice "-accept=socket,host=localhost,port=2002;urp;" Und hier ein beispielhafter Aufruf des Programms: c:\\programme\\OpenOffice\\program\\python.bat c:\\converter\\ooconvert.py c:\\testdocs\\doc Und nun der Python Quellcode: # For a list of possible export formats see # http://www.openoffice.org/files/documents/25/111/filter_description.html # or # /opt/OpenOffice.org/share/registry/data/org/openoffice/Office/TypeDetection.xcu import sys, os, uno from com.sun.star.beans import PropertyValue export_format="writer_pdf_Export" export_extension="pdf"…

  • Python Scripte

    PDF zu Text mit PyPDF

    Ein PyPDF-Python-Script zum Export des Inhalts einer PDF-Datei im Textformat. import pyPdf def getPDFContent(path): content = "" pdf = pyPdf.PdfFileReader(file(path, "rb")) for i in range(0, pdf.getNumPages()): content += pdf.getPage(i).extractText() + "\n" # Loesche Leerzeichen content = " ".join(content.replace("\xa0", " ").strip().split()) return content print getPDFContent("test.pdf")

  • Ghostscript

    Informationen zum PDF mit Ghostscript ausgeben

    Mit Ghostscript 8.56 kann man auch nützliche Informationen zu PDF Dateien ausgeben. Das Zusatztool pdf_info.ps ist zwar noch nicht mit im Installer enthalten – dürfte aber bald in die Distribution einfließen. Folgende Infos werden ausgegeben: MediaBox und CropBox für jede Seite Verwendete Fonts Eingebettete Fonts Man kann das Tool (eine Postscript Datei) z.B. mit svn co http://svn.ghostscript.com:8080/ghostscript/trunk/gs/toolbin/ zusammen mit anderen Tools herunterladen – ein svn-Client vorausgesetzt. gswin32c.exe -dNODISPLAY -q -sFile=c:\test.pdf -dDumpMediaSizes -dDumpFontsUsed -dShowEmbeddedFonts c:\toolbin\pdf_info.ps