Compruebe si los archivos PDF están dañados utilizando la línea de comandos en Linux

Tengo muchos archivos PDF en una carpeta.

¿Es posible verificar si uno o más archivos están dañados (cero páginas o descargas inacabadas) usando la línea de comando, sin necesidad de abrirlos uno por uno?

¿Quizás correr pdfinfo(aquí en Fedora en el poppler-utilspaquete) da una pista?

La mayor parte de la información en un archivo PDF está en el diccionario al final, por lo que si lo encuentra, debería estar bien. Haría algo como:

for f in *.pdf; do
  if pdfinfo "$f" > /dev/null; then
    : Nothing
  else
    echo "$f" is broken
  fi
done

Este es mi guion

find . -iname '*.pdf' | while read -r f
  do
    if pdftotext "$f" &> /dev/null; then 
        echo "$f" was ok;   
    else
        mv "$f" "$f.broken";
        echo "$f" is broken;   
    fi; 
done

Mi herramienta de elección para revisar archivos PDF es qpdf. qpdftiene un --checkargumento que hace bien en encontrar problemas en archivos PDF.

Verifique un solo PDF con qpdf:

qpdf --check test_file.pdf

Verifique todos los archivos PDF en un directorio con qpdf:

find ./directory_to_scan/ -type f -iname '*.pdf' \( -exec sh -c 'qpdf --check "{}" > /dev/null && echo "{}": OK' \; -o -exec echo "{}": FAILED \; \)

Explicación del comando:

• find ./directory_to_scan/ -type f -iname '*.pdf' Buscar todos los archivos con la extensión '.pdf'

• -exec sh -c 'qpdf --check "{}" > /dev/null && echo "{}": OK' \; Ejecute qpdfpara cada archivo encontrado y canalice todos los resultados a /dev/null. Imprima también el nombre del archivo seguido de ': OK' si el estado de retorno qpdfes 0 (es decir, sin errores)

• -o -exec echo "{}": FAILED \; \) Esto se ejecuta si se encuentran errores: imprimir el nombre del archivo seguido de ": FAILED"

Dónde conseguirlo qpdf:

qpdftiene binarios de Linux y Windows disponibles en: https://github.com/qpdf/qpdf/releases . También puede usar su administrador de paquetes de elección para obtenerlo. Por ejemplo, en Ubuntu puedes instalar qpdf usando apt con el comando:

apt install qpdf

Me conseguí una respuesta:

for x in *.pdf; do echo "$x"; pdfinfo "$x" | grep Pages; done

Los PDF con errores mostrarán errores.

Todos los métodos que usan pdfinfoo pdftotextno me han funcionado. De hecho, me seguían dando falsos positivos y, a veces, creaban archivos que no necesitaba.

Lo que funcionó fue JHOVE .

Instalación:

Instale el jar desde el enlace anterior y actualice su variable de entorno PATH con este comando:

echo "export PATH=\$PATH:/REPLACE_WITH/YOUR/PATH_TO/jhove/" >> ~/.bash_profile

Actualice cada terminal con source ~/.bash_profiley estará listo para comenzar a usarlo en todo el sistema.

Uso Básico:

jhove -m pdf-hul someFile.pdf

Obtendrá mucha información sobre el pdf, más de lo que la mayoría de la gente probablemente necesita.

Bash One-Liner:
simplemente devuelve valido invalid:

if [[ $(jhove -m pdf-hul someFile.pdf | grep -a "Status:") == *"Well-Formed and valid"* ]]; then echo "valid"; else echo "invalid"; fi;

Tenga en cuenta que esto se ejecutó en Mac OS X, pero supongo que funciona igual con cualquier entorno Bash basado en Unix.