您如何以编程方式编辑 PDF 文件？答案

【问题标题】：How do you programmatically redact PDF FIles?您如何以编程方式编辑 PDF 文件？
【发布时间】：2011-05-18 12:22:54
【问题描述】：

Adobe Acrobat 能够编辑 PDF 文件（即实际删除信息，而不是简单地在其上绘制一个黑框）。我想以编程方式使用此功能。要使用 GUI 进行编校，您可以选择 Mark for Redaction 工具，将其绘制在要编校的文本上，然后应用编校。

有没有办法通过 AppleScript 或其他方式以编程方式执行此操作？

我知道要编辑的文本的 (X,y) 位置。

谢谢！

【问题讨论】：

Acrobat 的脚本钩子都集成到了 Javascript 中，所以我提交了添加该标签。我还认为，首先生成 PDF 的系统会更好地处理编辑。
要非常小心如何进行编辑以及您认为要编辑的内容。没有正确完成（即，在现有文本对象上绘制一个黑框）是微不足道的撤消并且仍然将文本留在可以搜索/提取的文档中。 PDF 中的真正编辑并非易事。
是的，这很重要，这就是我想使用执行此操作的软件的原因。 Acrobat 具有内置的编辑功能。

标签： pdf applescript redaction

【解决方案1】：

为了正确编辑 PDF，您需要更改内容流。这很难。

如果您可以找到绘制要删除的文本的内容流部分，那么您就成功了一半。

另一半正在弄清楚如何更改内容流，这样您就不会修改文档的其余部分。如果下一个文本绘制运算符由“tm”命令进行（设置文本矩阵，它绝对定位下一段文本），这很容易。如果不是...您必须计算要替换的文本的确切宽度（几个不同的 PDF 库可以做到这一点），并更改绘图命令以跳过那么多内容。

例如：

英国电信 /F1 10 TF 1 0 0 1 30 720 吨米（这里有一些文字，你只想编辑那里的大写“编辑”）Tj * （此文本相对于上一行定位）Tj 1 0 0 1 30 650 吨米（此文字绝对定位，从30、650开始）Tj

因此，您必须将第一行 (...)Tj 分解为 (Here's some text, and you only want to)Tj、N 0 Td 和 (that upper case "redact" over there)Tj... 其中“N”正确调整以下文本绘制操作的位置，以便它落在完全相同的位置。因此，您需要使用字体资源 /F1（无论结果如何）知道“ REDACT ”的精确宽度，大小为 10 磅。

为了让您的生活更精彩，您也必须担心字距紧缩的文字。因此，您可以在文本中提供很少的间距调整：

（取自 PDF 规范中绘制的第一个文本）

[(Adobe Sys)5(t)1(ems Inc)5(orporated)5(20)5(08 \226 All rights)5(reser)-9(ved)]TJ

要正确编辑“Incorporated”，您需要确定它已被拆分为两个字符串，并调整其后面的字符串的位置，使其位于完全相同的位置。

字符串可以是<DEADBEEF> 十六进制值，而不是(plain old ascii)。

明白了吗？而且我没有在这里介绍所有可能性，只介绍最常见的可能性。

就像我说的：这很难。

有一个名为 Appligent Redax（无连接）的 acrobat 插件，可让您绘制注释（或通过模板、正则表达式等生成注释），然后运行它们的代码来处理编辑。应该可以以编程方式创建他们的注释，甚至可能激活他们的插件：文档中的 JS 可以运行菜单项。

【讨论】：

RE：“更改绘图命令以跳过这么多东西”......那岂不是仍将编辑的内容留在 PDF 中，仍可用于以后提取？我很好奇，因为 PDF 已成为电子书公司的通用语，有时由于版权原因需要删除文本。回到页面布局是一件很麻烦的事情，但我们必须确保内容不能被重复使用，即使是意外。
我是说你必须用其他东西替换一些内容流。 (Redact me, but not me)Tj 和 N 0 Td (, but not me)Tj，其中 N 是以点为单位的正确宽度（几乎可以肯定是浮点值）。正确删除所有已编辑的文本后，然后添加黑框（相比之下这是非常微不足道的）。
@Mark：感谢您的澄清。
我不推荐N 0 Td，因为Td操作符有改变当前行开始位置的副作用，所以像T*这样的操作符将不再正常工作（我说根据经验）。实现文本编辑的正确方法是[-N]TJ，而不是 N 0 Td。否则你是对的，这很难做到。使用 Type0 字体，文本甚至不可读，因为使用了字形 ID，这不是一种有意义的编码。如果幸运的话，可以使用 ToUnicode CMap 来解码文本内容。在其他情况下，逻辑结构信息可能会有所帮助。
我要补充一点，[-N]TJ 中的 N 值必须比实际尺寸大 1000*。

【解决方案2】：

您可以使用 GroupDocs.Redaction for .NET 以编程方式编辑 PDF 文档中的文本。您可以对文本执行精确的短语、区分大小写和正则表达式的编辑。这就是您可以执行确切的短语编辑的方式。

using (Document doc = Redactor.Load("D:\\candy.pdf"))
{
     doc.RedactWith(new ExactPhraseRedaction("candy", new ReplacementOptions("[redacted]")));
     // Save the document to "*_Redacted.*" file.
     doc.Save(new SaveOptions() { AddSuffix = true, RasterizeToPDF = false }); 
}

披露：我在 GroupDocs 担任开发人员宣传员。

【讨论】：

哇。那太棒了。我不知道！有没有办法在 Mac 或 Linux 上运行它，也许在 Mono 下？
@vy32，目前，API 不支持 Mono。不过，我们很快就会发布适用于 Java 平台的 API。
@vy32 GroupDocs.Redaction 已针对 Java 平台发布。见：products.groupdocs.com/redaction/java

【解决方案3】：

这是一个包含您需要做的事情的网页。正如其他人提到的，您必须在 Javascript 中执行此操作，因为这就是 Acrobat 的本机脚本。

http://acrobatusers.com/tutorials/2008/07/auto_redaction_with_javascript

虽然我经常使用 Acrobat，但令人惊讶的是，我从来不需要编写脚本。我查了字典，看起来你必须编写 Javascript 文件，保存它，然后用 Applescript 打开它，如果这是你想做的（比如作为服务）。

tell application "Adobe Acrobat Professional"
   do script "this.info.title;"
end tell

这是 Adobe 的 Acrobat Javascript 文档

http://livedocs.adobe.com/acrobat_sdk/9.1/Acrobat9_1_HTMLHelp/wwhelp/wwhimpl/common/html/wwhelp.htm?context=Acrobat9_HTMLHelp&file=JavaScript_SectionPage.70.1.html

【讨论】：

【解决方案4】：

在 Adobe Acrobat 中，您可以通过使用可在许多不同事件上调用的 ActionScript 来做到这一点。

如果您想在一个单独的应用程序中执行此操作，那么在各种平台上都有许多不同的工具可以创建和操作 PDF 文档，尽管我还没有找到一个功能丰富的开源库，甚至可以来接近其中一些产品。

http://www.aspose.com/categories/.net-components/aspose.pdf-for-.net/default.aspx

http://www.aspose.com/categories/java-components/aspose.pdf-for-java/default.aspx

http://itextpdf.com/

iText 是我个人的最爱，值得每一分钱。

【讨论】：

“ActionScript”是 Flash 的脚本语言，是 ECMAScript 的一种方言。 PDF 使用 JavaScript，它是 ECMAScript 的另一种方言。两者非常相似，但又不同。
Acrobat 是 GUI 指令的；有没有办法以编程方式运行 Acrobat？

【解决方案5】：

一般来说，编辑 PDF 是一项相当复杂的任务。

您可以在 doXiview (https://doxiview.cib.de) 上免费编辑 PDF 页面。编辑选项位于右侧。

另一种方法是由 CIB pdf 工具箱 (https://pdftoolbox.cib.de/) 以编程方式完成

【讨论】：