PDF文件中的内联文本编辑[关闭]答案

【问题标题】：Inline text editing within a PDF file [closed]PDF文件中的内联文本编辑[关闭]
【发布时间】：2013-08-27 15:53:54
【问题描述】：

我想知道是否有可用的编程库允许对 PDF 文档中的文本进行内联编辑。在此之后将文本绘制到文档中不是我想要的，而且我已经知道有许多设施和库可以做到这一点；我正在寻找可以让我做出这样的改变的东西（其中 NEW 没有被绘制，而是被编辑，例如，一个字符串）：

“这是我的文档”变成“这是我的新文档”。

...应该保留格式（尤其是在页面上的特定区域内没有进行编辑的情况下）。自动换行支持也很棒！

那么那里有这样的东西还是我在叫错树？我已经查看了 FPDF、PdfBox 甚至 GNOME 等一系列工具，但运气不佳（tbh，我确信 GNOME 可能会允许它，但目前了解它太费时了——所以关于这方面的指针将是也很棒）。

谢谢，如果已经问过这个问题，我们很抱歉。

在编程语言方面：我愿意使用 C、C++、Java、PHP、Python 和 Perl 中的建议。

【问题讨论】：

也许this 有帮助。
嗯...我稍后将更新问题以说明格式应保留在已编辑的行内。但首先，您的建议是否保留格式？
也许我从错误的角度解决了这个问题，应该处理一些其他标准类型的文档文本（例如 Microsoft Word 或 Libre Office 的 XML 格式），然后将其导出为 PDF——但是什么会最好的库就是为此（即 XML/HTML5 到 PDF）？
如果可以选择，您应该切换格式。 PDF 是一种最终格式，任何尝试大幅更改现有内容（与添加新内容相比）至少是非常困难的，特别是如果它包括重排。哪种格式最好，取决于情况，例如谁创建模板。

标签： java c linux pdf lamp

【解决方案1】：

为了跟进我的 cmets，这是相当典型的原始 PDF 文本输出的样子——PDF 参考指南 16-v4 第 1213 页的缩小部分：

36451 0 obj  % Contents
% used filter: FlateDecode
/GS2 gs
BT
/F1 1 Tf
8 0 0 8 297.417 105.667 Tm
0 0 0 1 k
0 Tc
0 Tw
(1213) Tj
/F5 1 Tf
24 0 0 24 253.784 617 Tm
[ (C) 19.1 (olophon) ] TJ
/F3 1 Tf
10.505 0 0 10.505 136.5 566 Tm
-0.0014 Tc
0.2018 Tw
[ (This do) -10.1 (c) -7.2 (u) -0.3 (men) 17.6 (t) -1.4 ( was p) 10 (r) 11.9 (o) -10.1 (d) 10.8 (uce) -7.2 (d) -1.3 ( usin) 6.6 (g ) 36.5 (A) 24.6 (d) 0.9 (o) 3.8 (b) -10.1 (e) ] TJ
8.4 0 0 8.4 326.25 570.2 Tm
0 Tc

.. 类似这样的几百行被省略了。一些兴趣点：Tf 设置文本字体（在别处定义，并且可能具有自定义编码 - 并不总是 ASCII）。 Tj'显示'文本； Tm 以“当前单位”设置变换矩阵。在不知道两者的实际大小的情况下，不可能立即看到文本“Colophon”是否紧跟在“1213”之后。 Tc 和Tw 设置默认字符和单词间距，并且经常被滥用来插入“空格”。不过，不在这里； TJ 数组指定带有散布 kerning 值的文本片段（我猜，基于它们的位置）。

无法确定此单个文本行是单独的一行，还是较长段落的一部分。甚至无法确定它是否是合理的字符串 - 您需要将其左右边缘与其他行进行比较才能找出答案。

（此输出是使用我自己从头开始编写的 PDF 阅读器创建的，使用上述参考，仅此而已。）

如您所见，仅查找文本是一个挑战，尽管有些库或多或少在这方面取得了成功。没有他们——如果我是正确的——吹嘘能够编辑“任何 PDF”。

【讨论】：

您的回答最接近事实真相。除了已经制作的各种 cmets，我对其他寻找类似内容的人的建议是使用真正可编辑的格式，然后将其导出为 PDF。我将从这里进一步调查我的选择，如果我找到一个快速的解决方案，我会留下另一条评论。
我将继续使用 LibreOffice 的 unoconv 命令行程序（目前）以及 libreoffice 的 .fodt 格式。有些像这样：unoconv -f pdf -o out.pdf MyDocument.fodt
唯一的缺点是，除非我使用侦听器，否则我每次都必须在 shell 上下文中执行此命令，并且可能使用已知的临时文件。不过 unoconv3.py 看起来很有趣。

【解决方案2】：

只需在 pdf 文件中查找文本并进行修改。如果我没记错的话，字符串文字是这样编码的：(This is my document)。如果您要更改的文本被拆分为多个字符串文字，或者您需要自动换行，那么任何 pdf 库都可能对您没有太大帮助。

【讨论】：

它就像(This is my document) 仅在最简单的文档中，即在仅具有标准编码且没有字距调整的文档中。
几乎任何 PDF 文档中的文本被分解为多个字符串。考虑字体、大小或颜色变化、单词和字母间距以及左、右、居中或两端对齐的文本。没有两个 PDF 制作者遵循相同的程序来做同样的事情。 “自动换行”……算了。 PDF 并不意味着可以通过这种方式进行编辑。
我拥有的文档实际上并不包含纯文本，而是全部编码的。文档使用的 PDF 版本为 1.5 (PDF-1.5)。我应该使用哪个版本的 PDF 对 pdf 进行编码以便纯文本可见？自动换行限制似乎是一个障碍。
“编码”，你为什么这么认为？它可能只是压缩的——对于任何版本的 PDF 都是有效的操作。它可以使用任意数量的有效 PDF 编码流（ASCIIHex、ASCII85、LZW、Flate、RunLength、CCITTFax）以任何顺序“编码”（PDF 参考 1.4 的 3.3，但也适用于您的 1.5）。此外，可能已将单独的对象流连接到单个复合对象中。它与版本无关：如果您创建 PDF，您可以选择是否压缩纯数据流——后者将生成更大但可读的 PDF。
这个建议不是问题的答案，除了从原始文件开始之外，也没有任何好的答案。即使在最简单的情况下，这个建议也不太可能奏效。 PDF 并不是指定的可编辑格式。在任何需要操作的情况下，唯一有效的解决方案是从原始内容开始。