使用 PDFium 组件将扫描的图像合并成一个 PDF

有个理赔团队正对着一台自动馈纸式扫描仪发愁，这破机器把他们积压了三十年的纸质档案一通猛扫，直接在文件夹里吐出了一大堆按着 0001.jpg、0002.jpg 这样往下排的单页 JPEG 图片。可人家档案室真正想要的是一个案子对应一个 PDF、里头的页面全按顺序排好的整齐货色，这样审查员点开一个文档就能干活，不用可怜巴巴地在一堆缩略图里挨个点着看。这最后临门一脚的活儿，就是要把这一大堆标着号的扫描图片揉成一个规规矩矩的 PDF，这也正是咱们这会儿要干的事

PDFium 组件直接就能把这活包圆了。别以为它只会渲染和抠字（提取文本），这组件还能凭空捏出一个 PDF 来：建个空壳文档，往里头随便塞一张你想多大就多大的白纸，然后按着用户空间坐标把图给拍上去，最后存盘。整条流水线就挂在 TPdf 这个组件上，所以你想搞个批量转换器，其实就是一个套着文件名的循环外加屈指可数的几个调用

转换的骨架长啥样

对付每张扫描图，你得连闯三关：决定纸盘有多大、把图扔到纸中间还得留出喘气的边距、最后翻到下一页去。PDFium 组件给这三关各配了一把钥匙：AddPage 负责按着你报的尺寸裁出一张白纸，AddImage（要是你手里已经捏着个 TPicture 那就用 AddPicture）负责把位图给糊到当前页上，而 PageNumber 则是用来发号施令，告诉组件接下来的画图操作该往哪页上使劲

这里头唯一的坑，也是无数人踩过的雷，就是坐标系。PDF 用户空间里，原点死死地钉在页面的左下角，Y 轴更是往天上爬越往上越大，这跟 Delphi 程序员骨子里那种把原点顶在脑门上、Y 轴一路往下砸的屏幕坐标系完全是反着来的。你传给 AddImage 的那对 X, Y，那是图片矩形框的左下角坐标；而那个 Width, Height，则是拿磅量出来的排版尺寸，压根不是你那源文件原装的几乘几像素。你要是敢把这规矩搞反了，那你那些扫描图绝对会飞到页面外头去，要么就是以一个让你抓狂的倒栽葱姿势挂在上面

建文档，一图一页给它排上

先捏个空壳子文档出来。CreateDocument 会直接霸占一块内存给你搞个新鲜出炉的 PDF 出来，而且组件自己就已经是激活状态了，所以压根用不着你再脱裤子放屁去弄个单独的 open 步骤。接下来你就顺着扫描文件列表往下溜达，每逮到一个文件，就给它塞一页白纸、把这页拉过来当当前页，然后把图给糊上去。这里的纸盘尺寸咱们按 A4 的磅数来算（竖版 595 × 842），这也是人家归档信件的雷打不动的标准身材

procedure TArchiveForm.ScansToPdf(const Files: TStrings; const OutputPath: string);
const
  PageW = 595.0;   // A4 width in points
  PageH = 842.0;   // A4 height in points
  Margin = 36.0;   // half-inch border around each scan
var
  I: Integer;
  Pdf: TPdf;
begin
  Pdf := TPdf.Create(nil);
  try
    Pdf.CreateDocument;                       // new, empty, already active
    for I := 0 to Files.Count - 1 do
    begin
      Pdf.AddPage(I + 1, PageW, PageH);       // 1-based page index
      Pdf.PageNumber := I + 1;                // make the new page current
      PlaceScan(Pdf, Files[I], PageW, PageH, Margin);
    end;
    Pdf.SaveAs(OutputPath);
  finally
    Pdf.Free;
  end;
end;

每次循环里都是一造完纸就立马拿 PageNumber 把光标给移过去。这第二行代码绝不是摆设：AddPage 只管加页不管选页，而那些画图的方法全是一帮只会死盯着当前页下手的势利眼，所以设 PageNumber 就是为了把 AddImage 的枪口对准你刚捏出来的那张纸。你要是敢跳过这一步，你那些图绝对会全堆在前头不知道哪页的烂尾楼里

这个循环里头其实还藏着个要命的假设：Files 的顺序。扫描仪确实是乖乖地按着 0001.jpg 一路数到 0100.jpg 来起名的，但你要去拿目录枚举去抓文件的时候，人家可不保证把排序给你做好了；只要你这列表里碰上个 page9.jpg 和 page10.jpg，按着破字符串一排，第 10 页立马就跑第 9 页前头去了。在冲进循环之前，必须得明明白白地把列表给排个序，而且在扫描那头最好老老实实用补零的名字，这样按着字母排出来的顺序才能跟真正页码对上号。页码乱套可是审查员闭着眼都能抓出来的第一死罪，而把它掐死在摇篮里却是成本最低的买卖

把图拍上去，还得保住它的原汁原味（宽高比）

扫描图的身材极少能跟纸盘的尺寸严丝合缝。你要是霸王硬上弓把它拉扯满全屏，里头的字全得变形；你要是原封不动按像素大小硬塞，它又会挤到纸外头去。正经的做法是拿宽和高去分别比一下，挑那个最小的比例当缩放的紧箍咒，然后再把剩下的地盘匀一匀居中。既然这见鬼的原点是在左下角，居中说白了就是把剩下的空地劈成两半，然后往 X 和 Y 头上各加一半

procedure TArchiveForm.PlaceScan(Pdf: TPdf; const FileName: string;
  PageW, PageH, Margin: Double);
var
  Pic: TPicture;
  AvailW, AvailH, Scale, DrawW, DrawH, X, Y: Double;
begin
  Pic := TPicture.Create;
  try
    Pic.LoadFromFile(FileName);              // BMP, JPG, PNG, etc. via the VCL graphics units

    AvailW := PageW - 2 * Margin;
    AvailH := PageH - 2 * Margin;

    // Fit inside the margins without distorting the scan.
    Scale := Min(AvailW / Pic.Width, AvailH / Pic.Height);
    DrawW := Pic.Width * Scale;
    DrawH := Pic.Height * Scale;

    // Center: leftover space split evenly. Y measured from the page bottom.
    X := (PageW - DrawW) / 2;
    Y := (PageH - DrawH) / 2;

    Pdf.AddImage(FileName, X, Y, DrawW, DrawH);
  finally
    Pic.Free;
  end;
end;

这法子先把文件读一遍，把它的像素三围给摸底出来，算出个不偏不倚的缩放比例，最后把算好的框框甩给 AddImage。AddImage 只要闻着文件路径的味儿，就能把它直接塞进跟 AddPicture 走一条道的图片流水线里去，所以只要是 VCL 图形单元认识的破格式，全都能顺利通关不用开小灶。要是你在做预览界面的时候，早就已经把图给拆进 TPicture 里了，那直接拿这算好的框框去喊 AddPicture(Pic, X, Y, DrawW, DrawH) 就行了，别闲的没事再去读一遍文件

遇到 JPEG？直接跳过解包的坑

扫描仪吐出来的货十有八九都是 JPEG。你要是非得把 JPEG 塞进个 TPicture 里，它绝对会先把它给解包成一堆肥嘟嘟的位图，然后等存盘的时候，PDFium 又得把它给重新压缩一遍，这一来一回折腾的全是有损的无用功。AddJpegImage 直接就把原汁原味压缩好的字节流从流（stream）里一把薅出来拍进页面里，这要是对付成堆的批量任务，既快得飞起，出来的画面还能少糊一层

var
  Stream: TFileStream;
begin
  // ... after AddPage + PageNumber for the current page ...
  Stream := TFileStream.Create(FileName, fmOpenRead);
  try
    // Embeds the JPEG bytes as-is; no decode/re-encode cycle.
    Pdf.AddJpegImage(Stream, X, Y, DrawW, DrawH);
  finally
    Stream.Free;
  end;
end;

不过你那 X、Y、DrawW 和 DrawH 还是得老老实实按原样算，毕竟缩放那关得靠像素尺寸来撑腰。去文件里或者直接剥个文件头把尺寸给摸出来，然后把原始数据流塞给 AddJpegImage。碰到 PNG 或者 TIFF 这种货色，老老实实去走 AddImage 的道；JPEG 这个抄近道的大招，就留给它真正该伺候的格式吧

给每页打个名牌

归档的扫描件要是每页脚下都踩着自己原始文件的大名，那日后查账可就省事多了。AddText 能在用户空间的随便哪个坑位上画出一串字来，所以搞个图注也就是把它拍在图片脚底下罢了。这会儿你得想起那个反人类的 Y 轴了：想把标签挂在扫描图的屁股下面，你得拿图片底边的坐标去做减法，而不是傻乎乎地去加

// Caption below the scan: Y decreases toward the page bottom.
Pdf.AddText('File: ' + ExtractFileName(FileName), 'Helvetica', 9,
  X, Y - 14, clGray);

存盘这事还有最后一句嘴要碎。SaveAs 是个正儿八经带个布尔型返回值的函数，所以在生产环境里头，你最好去查查它的脸色，而不是闭着眼觉得肯定存上了；要是硬盘塞满了，或者是输出路径被谁给死死锁住了，它绝对连个屁都不放就给你摆烂。等循环跑完、文件落听，你手里攥着的绝对就是档案室做梦都想要的东西：一个案子一个按顺序排好、自适应缩放妥当、随便哪个阅读器都能顺利打开的 PDF 完美成品

拿着这套积木稍微换个玩法，把每页的排版规矩改一改，你就能搞出一本一页一张图的写真集；要是循环留着但改成去吃一个多页的 TIFF，那就成了个专门伺候传真归档的转换器。要是你想跳出这井口，去见识见识怎么拿代码凭空捏出一个完整的 PDF 来，去翻翻在 Delphi 中使用 PDFium 组件从头开始创建 PDF 文档；要是以后想把这玩意儿再拉回屏幕上给人看，那使用 PDFium 组件将 PDF 页面转换为 JPEG 图像就是你得去啃的下一篇了

来自 loslab.com 的 PDFium 组件，可是把这整个系列里满天飞的建文档、渲染还有抓文字的 API 全给包圆了

在 Delphi 中使用 PDFium 组件将扫描的图像合并成一个 PDF

转换的骨架长啥样

建文档，一图一页给它排上

把图拍上去，还得保住它的原汁原味（宽高比）

遇到 JPEG？直接跳过解包的坑

给每页打个名牌