将现有 PDF 或 docx 中的单词/短语替换为其他单词

Question

我正在尝试将动态 PDF 生成器作为 .NET Core API。我想获取现有的 PDF 或 .docx 文件并对其进行编辑，以便将当前名称 (John Doe) 替换为可以替换的名称，例如 #NAME_PLACEHOLDER。

然后我想转换#NAME_PLACEHOLDER -> John Doe（或KeyValuePair 或Dictionary<string, string> 中的任何内容）。

我在 Docker 环境中运行它，所以我可以轻松执行命令，我也愿意这样做。

到目前为止，我已经尝试了一些事情：

• 1) pdf2htmlEX
  • 以pdf2htmlEX file.pdf 执行
  • 做得很好
  • 可以使用 Google Chrome 无头或类似工具转换回 PDF
  • 问题：只有PDF中使用的字符可以用来替换。所以如果我只使用A, B, C 作为字符，它会将D 变成Times New Roman（或默认字体）
• 2) LibreOffice ODT 转 PDF
  • 这很好，因为我可以简单地解压缩 .odt 文件，打开 content.xml，搜索并替换，然后再次将其保存为 .odt 文件
  • 可以使用soffice --convert-to pdf 轻松转换为 PDF
  • LibreOffice 很不错
  • 问题 1：Microsoft Word -> 另存为 ODT 往往会破坏格式，因此我们必须使用 LibreOffice 将其重新改回
  • 问题 2：我们不想放弃 Microsoft 的 Office 套件
• 3) 使用 Chrome Headless 将 HTML 转为 PDF
  • 所见即所得
  • 目前为止最好的选择，如果我们都是开发人员 aa 并且有无限的时间
  • 问题 1：只有我们的开发人员可以进行更改，因为我们的营销部门不懂 HTML
  • 问题 2：我们现有的 PDF 必须用 HTML 重写

如您所见，我已经尝试了很多方法。除了 Chrome Headless，它们都没有达到我的期望。我真正喜欢#3 的是所见即所得。我可以在 HTML 中制作整个内容，按 CTRL+P 并查看它作为完成的 PDF 的样子，基本上。

不过，我正在寻找更好的解决方案。它可以支付。它可以是免费的。我所需要的只是动态地用其他词改变单词/短语，这显然是一件很难做到的事情。

Answer 1

感谢您清楚地说明您已经找到的内容。提供简洁的答案很有帮助。

转换总是很棘手 - 我确定您知道 Word 本身无法显示/编辑某些 Word 文档。

我有关于第 2 点“LibreOffice ODT 到 PDF”的经验，可以提出一些测试建议：

1. 不要使用微软做 docx->odt 转换。如你所知，这并不好。使用 LibreOffice 本身来执行此步骤。您的其余流程保持不变。
2. 对于某些文档，Libre Office 的 doc->odt 效果要好得多。因此，您可以改为使用 DOC 格式并获得更好的结果，而无需进行任何其他更改。

3. 您无法从流程中移除开发人员，但您当然可以减少他们的角色，让您的业务/营销团队获得更直接的意见，只需：

   • 将起点文档提供给开发人员以运行转换过程。开发人员可以“清理”文档以使其转换良好。
   • 将此版本的文档作为“官方”起点。业务或技术团队可以加载、调整它，然后将其放回流程中。
   • 如果可能，向业务团队公开一个测试平台，以便他们可以下载、调整、上传和呈现为 PDF。这个循环意味着他们将能够取得更多成就，如果他们表现出色，无需任何开发人员投入就可以做出令人印象深刻的事情。
   • 上述步骤只是意味着不要期望完美转换任意复杂的文档。从（甚至是复杂的）工作基线开始非常棒。

其中一些可能会告诉您，您的 #2 实际上会获得最佳的整体结果。

希望对你有帮助。