Extrayendo la portada de un pdf

Una vez más me encuentro con un problema de los que puedo optar por la solución sencilla y laboriosa o por la optima y meticulosa. Necesito convertir de varios archivos en pdf la primera página (Portada) a una imagen para lo cual voy a probar dos alternativas, primero con Imagemagick y posteriormente con Poppler ambas desde la terminal y la línea de comandos de Linux Mint.

Usando Imagemagick (Comando “convert”)

Ya hace un tiempo, emplee la línea de comandos en Linux Mint para redimensionar un conjunto de imágenes. Ahora vuelvo a emplear un método parecido para extraer desde varios archivos *.pdf una imagen en formato *.jpg con la portada de cada uno de ellos.

Si no la tenemos instalada, el primer paso será instalar la utilidad de Imagemagick tras actualizar el sistema.

sudo apt update
sudo apt upgrade
sudo apt install imagemagick

En caso de tener algún problema siempre podemos recurrir a la versión oficial de la web del software. El siguiente paso es modificar el archivo de políticas de seguridad para que nos permita la extracción de archivos *.pdf. Puesto que la aplicación no va a estar corriendo en un servidor sino que lo usaré en local, resultará suficiente con cambiar el nombre de este archivo de políticas para eliminar todas las restricciones.

sudo mv /etc/ImageMagick-6/policy.xml /etc/ImageMagick-6/policy.xmlout

Con todo ya preparado, ahora será suficiente con ejecutar una línea de comando dentro de una carpeta para extraer la portada en formato *.jpg de todos los *.pdf que allí se encuentren. Los archivos generados tendrán el sufijo “_portada”

convert *.pdf[0] -set filename:fname '%t_portada' '%[filename:fname].jpg'

Usando Poppler (comando “pdftoppm”)

Una alternativa al uso de Imagemagick es Poppler con su comando “pdftoppm” que convierte un archivo pdf a imagen. En este caso, la utilidad no es capaz de manejar por si misma distintos nombres de archivo por lo que usaremos un for para listar todos los archivos *.pdf sobre los que realizar la conversión. La orden quedará según la siguiente estructura:

pdftoppm -formato -f (pag_a_extraer] -singlefile(solo_una_página) “nombre_origen” “nombre_destino”

Aquí puedes encontrar todas las opciones de pdftoppm. De esta forma si incluimos la orden dentro del bucle “for” quedará como lo siguiente.

for pdfile in *.pdf
do 
	pdftoppm -jpeg -f 1 -singlefile "${pdfile}" "${pdfile%%.*}"_portada
done

Para luchar en igualdad de condiciones y no tener que crear un archivo ejecutable en el que encapsular este código voy a pasar el lazo “for…do…done” a una sola línea que podremos introducir directamente en la terminal.

for pdfile in *.pdf ; do pdftoppm -jpeg -f 1 -singlefile "${pdfile}" "${pdfile%%.*}"_portada; done

Links: https://askubuntu.com/questions/1081895/trouble-with-batch-conversion-of-png-to-pdf-using-convert https://www.imagemagick.org/discourse-server/viewtopic.php?t=14927