Bash ImageMagick使用顺序文件后缀将TIFF转换为pdf

我有下面的场景，我不是一个程序员（我也不太了解bash）。我甚至没有一个基本的bash脚本可以共享，所以任何帮助都将不胜感激

我有一个文件共享，其中包含文档管理系统的TIFF（数千）。目标是将多个文件TIFF转换为单个文件PDF（最好是PDF/A格式），并将其组合

目录格式：

/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

文档管理系统使用顺序编号文件名和顺序文件后缀存储TIFF：

000009.001
000010.001
000011.002
000012.003
000013.001

其中，文档的每一页都由后缀表示。创建新的、不相关的文档时，后缀将重新启动。在上面的示例中，

000009.001

是一个单页tiff。文件

000010.001

、

000011.002

和

000012.003

属于同一文档（即，所有页面都是相关的）。文件

000013.001

表示一个新文档

我需要为多页文档的第一个文件保留文件名，以便文件名可以与文档管理系统元数据数据库交叉引用

我想到的伪代码是：

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}

但这似乎会产生转换所有001个文件的副作用，而不管下一个文件是什么

非常感谢您的帮助

---

编辑-下面的两个答案都有效。第二个答案有效，但我的错误在于没有意识到我测试的数据集与上面的场景不同。

因此，将以下脚本保存在您的登录（$HOME）目录中，作为

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}'

并通过进入终端并运行以下命令使其可执行（只需一次）：

chmod +x TIFF2PDF    

然后将任何一年的一些文档复制到一个临时目录中进行尝试。。。然后转到目录并运行：

~/TIFF2PDF

样本输出

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

如果这看起来是正确的，您可以像这样执行这些命令：

~/TIFF2PDF | bash

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

或者，如果您安装了GNU Parallel，最好是：

~/TIFF2PDF | parallel

剧本上说。。。“生成名称以数字结尾的所有文件的列表，并将该列表发送到

awk

。在

awk

中，使用点作为字段之间的分隔符，因此如果文件名为

00011.0002

，则

$0

将为

00011.0002

，

$1

将为

00011

，

$2

将为

00。”02

。现在，如果文件名以

0001

结尾，则打印累积的命令并附加输出文件名。然后将扩展名为

PDF

的文件名前缀保存为下一个PDF的输出文件名，并开始构建下一个ImageMagick转换命令。在后续行中（不以

0001

结尾），将文件名添加到要包含在

PDF

中的文件名列表中。最后，输出所有累积命令并附加输出文件名。”

---

至于图像底部丑陋的黑色块，之所以会出现这种情况，是因为其中有一些微小的白色斑点阻止ImageMagick去除黑色区域。我用红色圈出了它们：

如果稍微模糊图片（使斑点漫射），然后获得修剪框的大小，则可以将其应用于原始的未模糊图像，如下所示：

~/TIFF2PDF | bash

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

我建议您先复制所有图像，然后再运行PDF转换。由于您希望保存TIFF文件，但扩展名为

0001

，

0002

，因此需要告诉ImageMagick修剪并强制输出文件类型为TIF：

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

---

正如@AlexP.提到的，如果存在大量文件，则全局绑定可能会出现问题。在OSX上，ARG_MAX非常高（262144），并且您的文件名约为10个字符，因此如果一个目录中的文件超过26000个，则可能会遇到问题。如果是这种情况，只需更改：

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

到

---

以下命令将转换整个

/Document Management Root

树（假设它是实际的绝对路径），正确处理所有子文件夹（即使名称包含空格字符），并正确跳过与

000000000

命名模式不匹配的所有其他文件：

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

要进行试运行，只需最后删除

|bash

更新以匹配

00000000.000

模式（为了清晰起见，将其拆分为多行）：

---

这成功地生成了与示例输出匹配的输出。这似乎已经完成，但底部有一个黑色边框，我无法消除。我修改了cmd='convert'部分，如下所示：

cmd=“convert”$0”-fuzz 1%-trim+repage”；next}

。这似乎没有什么区别。我对创建的一个文档进行了清理（绿色边框表示已编辑的覆盖）：这是另一个问题-这个问题是关于将按顺序编号的文档合并到单个PDF中。我可以建议您问一个新问题，提供一个倾斜扫描（大概是吧？）-最好是至少有一些示例文本，并询问如何去除黑色？明白了。我会将您的回答标记为答案。非常感谢您的帮助。@MarkSetchell，您的解决方案存在两个潜在问题。最糟糕的是在可能包含数千个文件的文件夹中使用

ls

命令中的globbing。This仅返回提示，不对文档管理根目录中的文件进行任何更改。您是否尝试过使用

echo

而不是

convert

？也尝试了

echo$BASH_VERSION

而不是'convert'，并返回提示。echo$BASH_VERSION显示4.3.46（1）-release.your

bash

足够新，因此

-exec

部分不会成为问题。因此，在不使用

-exec

部分的情况下运行

find

，以查看是否找到任何内容