在 Python 中编辑几行未压缩的 PDF

Question

我想在未压缩的 pdf 中编辑几行。 我发现了一个类似的problem，但由于我需要扫描文件几次以获得我想要更改的确切行位置，这并不适合（并且正则表达式匹配的纯数量超过了预期）。 pdf 包含 utf-8 可编码行（其中一些我想编辑，特别是书签目标 ID） 和很多斑点（猜测图像等）。 当我用记事本编辑文件时，它工作正常，但是当我以编程方式进行时（读入，更改几行，回写） 图像和一些格式丢失。 （因为他们一开始没有被读入，忽略选项）

with codecs.open("merged-uncompressed.pdf", "r", encoding='ascii', errors='ignore') as f:

我可以使用errors="surrogateescape" 读取文件，并想从上面导入映射行，但不知道这种方法是否可行。

有谁知道如何处理这个问题？

最好的，卢卡斯

Answer 1

我能够解决这个问题：

1. 以二进制形式读取文件
2. 标记了无法编码 utf-8 的行
3. 将列表逐行复制到临时列表中（不可编码的行已使用占位符“None\n”复制）
4. 然后我回去在复制的列表中进行搜索，所以我得到了我想要替换的行
5. 替换了原始二进制列表中的行（相同的索引！）
6. 将其写回文件
7. 生成的 pdf 有点损坏，因为书签的目标 id 之前有空格，但通过重新压缩 qpdf 修复了它：)

目前代码非常混乱，所以我现在不想发布它。 但我想在接下来的几周内将它添加到 github。 如果有人需要它：只需发表评论，它将具有更高的优先级。

感谢任何想提供帮助的人:) 卢卡斯