root / pkpgcounter / trunk / pkpgpdls / pdf.py @ 357

Revision 355, 5.0 kB (checked in by jerome, 18 years ago)

Cleaned up a bit with pylint.

  • Property svn:eol-style set to native
  • Property svn:keywords set to Auth Date Id Rev
Line 
1#! /usr/bin/env python
2# -*- coding: ISO-8859-15 -*-
3#
4# pkpgcounter : a generic Page Description Language parser
5#
6# (c) 2003, 2004, 2005, 2006 Jerome Alet <alet@librelogiciel.com>
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 2 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, write to the Free Software
19# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
20#
21# $Id$
22#
23
24"""This modules implements a page counter for PDF documents."""
25
26import sys
27import re
28
29import pdlparser
30
31class PDFObject :
32    """A class for PDF objects."""
33    def __init__(self, major, minor, description) :
34        """Initialize the PDF object."""
35        self.major = major
36        self.minor = minor
37        self.description = description
38        self.comments = []
39        self.content = []
40        self.parent = None
41        self.kids = []
42       
43class Parser(pdlparser.PDLParser) :
44    """A parser for PDF documents."""
45    def isValid(self) :   
46        """Returns 1 if data is PDF, else 0."""
47        if self.firstblock.startswith("%PDF-") or \
48           self.firstblock.startswith("\033%-12345X%PDF-") or \
49           ((self.firstblock[:128].find("\033%-12345X") != -1) and (self.firstblock.upper().find("LANGUAGE=PDF") != -1)) or \
50           (self.firstblock.find("%PDF-") != -1) :
51            self.logdebug("DEBUG: Input file is in the PDF format.")
52            return 1
53        else :   
54            return 0
55       
56    def getJobSize(self) :   
57        """Counts pages in a PDF document."""
58        # First we start with a generic PDF parser.
59        lastcomment = None
60        objects = {}
61        inobject = 0
62        objre = re.compile(r"\s?(\d+)\s+(\d+)\s+obj[<\s/]?")
63        for fullline in self.infile.xreadlines() :
64            parts = [ l.strip() for l in fullline.splitlines() ]
65            for line in parts :
66                if line.startswith("% ") :   
67                    if inobject :
68                        obj.comments.append(line)
69                    else :
70                        lastcomment = line[2:]
71                else :
72                    # New object begins here
73                    result = objre.search(line)
74                    if result is not None :
75                        (major, minor) = [int(num) for num in line[result.start():result.end()].split()[:2]]
76                        obj = PDFObject(major, minor, lastcomment)
77                        obj.content.append(line[result.end():])
78                        inobject = 1
79                    elif line.startswith("endobj") \
80                      or line.startswith(">> endobj") \
81                      or line.startswith(">>endobj") :
82                        # Handle previous object, if any
83                        if inobject :
84                            # only overwrite older versions of this object
85                            # same minor seems to be possible, so the latest one
86                            # found in the file will be the one we keep.
87                            # if we want the first one, just use > instead of >=
88                            oldobject = objects.setdefault(major, obj)
89                            if minor >= oldobject.minor :
90                                objects[major] = obj
91                            inobject = 0       
92                    else :   
93                        if inobject :
94                            obj.content.append(line)
95                       
96        # Now we check each PDF object we've just created.
97        # colorregexp = re.compile(r"(/ColorSpace) ?(/DeviceRGB|/DeviceCMYK)[/ \t\r\n]", re.I)
98        newpageregexp = re.compile(r"(/Type)\s?(/Page)[/\s]", re.I)
99        pagecount = 0
100        for obj in objects.values() :
101            content = "".join(obj.content)
102            count = len(newpageregexp.findall(content))
103            pagecount += count
104        return pagecount   
105       
106def test() :       
107    """Test function."""
108    if (len(sys.argv) < 2) or ((not sys.stdin.isatty()) and ("-" not in sys.argv[1:])) :
109        sys.argv.append("-")
110    totalsize = 0   
111    for arg in sys.argv[1:] :
112        if arg == "-" :
113            infile = sys.stdin
114            mustclose = 0
115        else :   
116            infile = open(arg, "rb")
117            mustclose = 1
118        try :
119            parser = Parser(infile, debug=1)
120            totalsize += parser.getJobSize()
121        except pdlparser.PDLParserError, msg :   
122            sys.stderr.write("ERROR: %s\n" % msg)
123            sys.stderr.flush()
124        if mustclose :   
125            infile.close()
126    print "%s" % totalsize
127   
128if __name__ == "__main__" :   
129    test()
Note: See TracBrowser for help on using the browser.