Коллеги, подскажите!
Имею  Pdf файл от 50 до 200 страниц.
Нужно  разбить  этот  файл  на  страницы, то есть каждую  страницу  в  отдельный  файл.
Главное! Чтобы полученные файлы  наименовались исходя  из содержания  каждой  страницы. В определенном месте , на каждой странице есть информация, имя  каждого файла  должно  браться  оттуда.  

Есть такой  софт  в принципе ? Если есть, киньте  ссылкой , если  не  затруднит.

Есть такая утилитка толи pdk, толи ptk, фришная так вот ей много чего можно и запускается она пакетно.

Вообще битье PDF задача достаточно тривиальная - можно установить любой софт для создания PDF (например PDFCreator) и печатать на виртуальный принтер по одной странице.

Но вот выдирать из PDF название файла - с этим не знаю...

(0) На ИС еть обработка, но она платная (хотя и не дорогая).

(3)
ИС - это что ?

(4) ИнфоСтарт

Вот кажется ссылка:
http://infostart.ru/public/21144/

(0) А ты сам-то искал? Лентяй...
http://www.infowall.ru/index.php?menu_id=openprogarticle&art_id=598
Взято отсюда: http://yandex.ru/yandsearch?text=разбить%20pdf%20по%20страницам&lr=62

(6)
Не поверишь.. искал..
Описание не подходит.

Суть вопроса не в  том "Чем разбить" - этого добра  полно, а  как разбить  с  автоматической установкой  имени файлов.

(8) А почему бы не переименовать уже после разбиения?

(9) да почему бы и нет. Вопрос только, чем можно раздербанить PDF чтобы вытащить из него строчку. Единственное что приходит в голову - FineReader Forms, создать форму с единственным полем под эту строчку, распознать, куда-то сохранить список строчек и потом по списку переименовать 1, 2, 3 в Список[1], Список[2], Список[3]... Как-то так...

bullzip pdf printer
поставить галочку, каждую страницу в отдельный файл

(11) почитай (0) внимательнее. Ему надо чтобы каждый файл именовался строкой, взятой из определенного места PDF

(0) PDF формат имеет возможность хранить в себе распознанный (или организованный при создании файла) текст. Вопрос: в получаемых файлах присутствует такой текст? Если есть, то его можно получить и попытаться обработать и, если получиться его обработать соответствующим образом, т.е. получить данные по имени каждой страницы, потом переименовать файлы, как это предложено в (9).

(0)Есть a-pdf, но он платный.

+(14)
http://www.a-pdf.com/content-splitter/

(15) Да, похоже, это оно. Причем есть триал, можно попробовать. Да и ценник невелик, всего $79, вполне можно себе позволить.

Весь вопрос только в том как хранится текст - как текст или как картинка. Если как картинка, то не прокатит.

(16) Не поверишь, Foxit и Adobe Reader умеют выделять и копировать текст в отсканированных файлах. Механизм не знаю, но факт такой есть.

(16) Не поверишь - знаю. Читаем (0):

> Имею  Pdf файл от 50 до 200 страниц.

Вы все еще хотите копипастить?

к (17)

(0) Качаете ImageMagik, и одной строчкой
convert -quality 100 -density 300x300 in.pdf multi%d.pdf

получаете нужный результат. Причем по цене 0 руб. 0 коп. (не считая трафика на скачивание).

prftk

Утилита разбивает PDF-файл на несколько по страницам:
http://www.pdflabs.com/tools/pdftk-the-pdf-toolkit/

+(22) Usage: pdftk in.pdf burst output name_p.%02d.pdf

хотя нет, пройдется или модифицировать pdftk, чтобы получить текст в определенном месте или мистать собственную утилиту, юзая iText

(22) -

Главное! Чтобы полученные файлы  наименовались исходя  из содержания  каждой  страницы. В определенном месте , на каждой странице есть информация, имя  каждого файла  должно  браться  оттуда

коточе, пейши сам

use Java, Luke!

(21) - pdftk

(25) Это довольно сложно сделать для потенциально _любого_ PDF, ибо потребуется OCR, которых бесплатных и работающих из командной строки нет.

(28) - лолшто?

В pdf, если не укзано обратное, текст хранится текст

(28) - зачем нам командная строка?

>потребуется OCR

ложь

>которых бесплатных и работающих из командной строки нет.
наглая ложь. Google по твоему чем распознавал 1 миллиард книг?

(29)(31) Нате, доставайте из этого файла текст: http://webfile.ru/e436e36466162e02fd0b8a8e6d395aa5

(32) - причем тут тогда pdf?

(33) Притом.

откуда ты взял этот файл? он был указан в постановке задачи?

и вообще с постановкой задачи как в (0) заказчик посылается в лес.

Или выставляется сумма на 10000000 долларов.

(35) У нас таких файлов в базе десятки тысяч. А создают их менеджеры путем сканирования бумажных документов на самом обычном МФУ или сканере.

(37) - этого не было указано в постановке задачи.

почему не применяется Finereader?

(37) - это значит ТВОЙ файл, а не файл человека в (0).

(38) Потому что им делать больше нех, как распознавать каждый файл после сканирования, когда этих файлов на XX страниц XX в день. Кроме того, не каждый менеджер вообще понимает что такое распознавание и чем этот файл отличается от другого.
(39) См. (28)

(40) - тогда заказчик посылается лесом или ему выставляется сумма в 10000 превышающую  з/п обезьяны, которая могла бы смотреть на нужно место в изображении и потом задавать имя файла.

Хотя 10000 бананов это все таки мало.

В случае если у ТС в PDF-ках только текст, то достать его оттуда довольно просто, в сети полно всяких утилит.

(0) Попробуй это http://www.pdfforge.org/pdfcreator

(42) - и что ты потом с этим текстом будешь делать?

(44) Я ничего не буду делать ) Мне это не нужно. А ТС может наименоваие файла сформировать так, как ему нужно.

(15) Спасибо, то что нужно!

(45) - читай еще раз: имя файла базируется на тексте в нужном месте.

100% это текстбокс. Кури наконец iText.

Можно написать скрипт на bash, алгоритм мне видится таким:
разбиваем файл на страницы - например, с помощью pdfsam
Затем каждую страницу в цикле обрабатываем связкой pdf2txt (достает текст из pdf) и затем выуживаем нужный кусок текста с помощью grep, sed и awk.
Ну и с помощью rename переименовываем файл в выдернутое на предыдущем шаге название.

Самое сложное здесь - шаманство с sed/awk, поскольку не совсем понятно, какое наименование может быть: если просто номер счета-фактуры (например 12 цифр после знака № и символов СЧФ-, и все это в 3-й строчке - тут все просто, а если это какой-либо русский текст с пробелами - тут запаришься экранировать символы). Но все решаемо. Приходилось делать нечто подобное для документов в формате doc. В качестве экстрактора текста можно попробовать Apache Tika, похоже, весьма универсальный инструмент.

(48) - почему ты думаешь, что без анализа координат текстовых блоков у тебя получится решить задачу?

А если его напечатать на pdf-принтер с разбиением на файлы ?

(49) Если PDF содержит текст и нужный кусок идентифицируется достаточно легко, скажем строкой "СчФ-" в начале и пробелом в конце, то, собственно, зачем координаты? Тогда и без координат как с координатами :)

(49) (51) совершенно прав. Утилита типа pdf2txt просто вытаскивает из pdf-а читаемый текст. Абзацы она понимает. Этого обычно вполне достаточно, чтобы на полученные файлы натравить sed/awk и вытащить нужные части. Т.е. главное - постоянная точка отсчета, к которой можно привязаться.

Добавлю ссылку на замечательную статью.
http://habrahabr.ru/post/130601/

(53) Занятная статейка. Пожалуй, сохраню на будущее, может пригодиться

(54) Мне она уже раза 3 пригодилась :-)
Кстати, сходный механизм можно реализовать и с djvu с текстовым слоем.