Xournal++ CLI导出PDF时如何指定页面范围
2025-05-18 09:50:06作者:蔡丛锟
Xournal++作为一款强大的手写笔记软件,其命令行接口(CLI)提供了丰富的导出功能。本文将重点介绍如何通过命令行参数实现PDF导出时的页面范围选择功能。
核心参数解析
在Xournal++的命令行接口中,--create-pdf(简写-p)参数用于将当前文件导出为PDF格式。但很多用户不知道的是,系统还提供了更精细的导出控制参数:
-
基础导出命令:
xournalpp -p output.pdf -
高级导出选项: 通过
--help-export参数可以查看所有高级导出选项,其中最关键的是页面范围控制参数:xournalpp --help-export
页面范围控制详解
--export-range参数允许用户指定需要导出的页面范围,其语法非常灵活:
- 单页:
3(仅导出第3页) - 连续范围:
2-5(导出2到5页) - 不连续范围:
1,3,5(导出1、3、5页) - 开放范围:
7-(从第7页到最后一页) - 组合使用:
2-3,5,7-(导出2-3页、第5页、以及7页之后的所有页)
典型使用示例:
xournalpp -p output.pdf --export-range="1-3,5"
其他实用导出参数
除了页面范围控制外,Xournal++ CLI还提供了其他有用的导出选项:
-
去除背景:
--export-no-background导出的文件将具有透明或白色背景(取决于输出格式支持)
-
去除网格线:
--export-no-ruling -
分层导出:
--export-layers-progressively在PDF导出中,逐层渲染图层,适合制作演示文稿
-
图层范围控制:
--export-layer-range=RANGE类似于页面范围控制,但针对图层
实际应用场景
- 批量处理:结合shell脚本实现自动化导出工作流
- 选择性归档:只导出已完成注释的页面
- 演示准备:使用分层导出功能制作分步演示文档
- 素材提取:配合去除背景参数获取干净的笔记内容
注意事项
- 页面编号从1开始
- 范围参数必须与
-p或-i参数配合使用才有效 - 对于PNG导出,还可以使用
--export-png-dpi等参数控制输出质量 - 在Linux环境下,建议使用完整的
xournalpp命令路径以避免冲突
通过掌握这些命令行参数,用户可以更高效地管理Xournal++文档的导出过程,特别是在处理大型文档或需要自动化处理时,这些功能显得尤为重要。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
250
Oohos_react_native
React Native鸿蒙化仓库
C++
347
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
985