如何在PDF文件中编写文本搜索和替换程序

Question

如何在PDF文件中编写文本搜索和替换程序

31

我该如何以编程方式在大量的PDF文件中搜索和替换文本？我想删除一组文件中添加的URL。我已经能够使用Adobe Pro中的批处理下的JavaScript删除链接，但链接文本仍然存在。我看到有人建议使用文本触摸，手动操作有效，但我不想手动修改1300个文件。

- rpilkey

我知道这已经很老了，但我遇到了这个问题，你是谷歌上的第一个结果。最终你使用了什么？ - eri0o

我使用了Perl编程语言，CAM::PDF模块以及Chris Dolan的回答中提供的changepagestring.pl程序示例。那只是一次性的事情，所以现在不要问我如何做这个了;-) - rpilkey

11个回答

10

我也变得绝望了。我安装了10个需要付费的PDF编辑器，但都没有成功：

只需使用pdftk + 编辑器：

替换PDF文件中的文本

Use pdftk to uncompress PDF page streams

pdftk original.pdf output original.uncompressed.pdf uncompress

Replace the text (sometimes this works, sometimes it doesn't) within original.uncompressed.pdf

Repair the modified (and now broken) PDF

pdftk original.uncompressed.pdf output original.uncompressed.fixed.pdf

(from Joel Dare)

- Larry

这个答案没有包含任何关于查找/替换操作的指示。经过查看pdftk，我认为这个工具无法完成这个任务。 - undefined

1

您可以在Adobe Acrobat Pro中使用“编辑”功能，以一步找到并替换单个文档中的所有引用...不确定是否可以自动化为多个步骤。

http://help.adobe.com/en_US/Acrobat/9.0/Professional/WS5E28D332-9FF7-4569-AFAD-79AD60092D4D.w.html

- davr

1

这只是一个解决方案的一半，但我使用了Touch up和AppleScript支持发送按键来替换数千个表格单元格中的字符串。根据您的页面布局方式，它可能适用于您。在我的情况下，我不得不手动插入光标到每个表格的开头（几十个表格 - 对于手动过程而言相当可管理），但之后我自动替换了数千个单元格。

- d-b

0

似乎即使是未压缩的PDF，有时文本格式仍然会出现问题。这使得“常规”文本替换（如sed）无法工作或不是很简单。

我找不到任何看起来适用于字形间距偏移量的东西，即像这样的文本（在PDF中似乎非常常见），在此示例中，“其他信息”一词被存储为：

 [(O)-16(ther i)-20(nformati)-11(on )]TJ

我尝试编写一个工具来满足这个需求。对于常见的用例，它可以正常工作。你可以在这里查看。

首先解压缩你的pdf文件，然后进入已检出的git代码目录并执行以下命令：

语法

 $ crystal replaceinpdf.cr input_filename.pdf "something you want replaced" "what you want it replaced with" output_filename.pdf

祝您愉快！欢迎提出请求。

- rogerdpack

我尝试了这个命令，它显示“没有更改，PDF 是否已经压缩？”并返回退出代码 0。命令是 replaceinpdf SC13R0J_HTML/MANUAL.HTM/rm13r0j/ewd/contents/relay/pdf/JC_01.pdf 黒色 black out.pdf。 - Douglas Held

提交一个带有所有细节的问题报告 :) - rogerdpack

0

我建议您使用VeryPDF PDF Text Replacer Command Line软件批量替换PDF页面中的文本，您可以运行pdftr.exe轻松地替换PDF页面中的文本，例如：

pdftr.exe -contentreplace "我的名字=>你的名字" D:\in.pdf D:\out.pdf

pdftr.exe -searchandoverlaytext "我的名字=>你的名字" D:\in.pdf D:\out.pdf

pdftr.exe -searchandoverlaytext "我的名字=>D:\temp\myname.png*20*20" D:\in.pdf D:\out.pdf

pdftr.exe -pagerange 1-3 -contentreplace "旧文本=>新文本||VeryPDF=>VeryDOC||我的名字=>你的名字" D:\in.pdf D:\out.pdf

pdftr.exe -searchtext "字符串" C:\in.pdf

pdftr.exe -pagerange 1 -searchtext "字符串" C:\in.pdf

pdftr.exe -pagerange 1 -searchandoverlaytext "旧文本=>新文本||VeryPDF=>VeryDOC||我的名字=>你的名字" D:\in.pdf D:\out.pdf

pdftr.exe -overlaytextfontname "Arial" -overlaytextcolor FF0000 -overlaybgcolor 00FF00 -searchandoverlaytext "旧文字=>新文字||VeryPDF=>VeryDOC||我的名字=>你的名字" D:\in.pdf D:\out.pdf

pdftr.exe -opw 123 -upw 456 -contentreplace "旧文字=>新文字||VeryPDF=>VeryDOC||我的名字=>你的名字" D:\in.pdf D:\out.pdf

pdftr.exe -searchandoverlaytext "PDFcamp打印机=>VeryPDF打印机" -overlaytextfontsize 8 D:\in.pdf D:\out.pdf

pdftr.exe -searchandoverlaytext "PDFcamp打印机=>VeryPDF打印机" -overlaytextfontsize 80% D:\in.pdf D:\out.pdf

- smith

似乎不是免费的，仅限Windows系统。 - rogerdpack

0

我不确定是否愿意花费大量精力编写代码来修改您的1300个文件，而现有程序可以帮助您完成此任务。前几天，我使用了Infix的专业版，使用其“查找和替换文件”功能批量修改了近100个文件，效果非常好。为了找到类似于Microsoft Word的查找和替换功能，我已经评估了其他程序。Infix是我发现唯一能够胜任这项工作的程序。请查看：http://www.iceni.com/infix-pro.htm

- stirhale

0

虽然这个问题需要编程解决，但我还是想分享一个免费在线工具，它帮助我批量替换了一些PDF文件中的文本：

http://www.pdfdu.com/pdf-replace-text.aspx

在替换文本后，我没有注意到任何广告或其他修改的PDF文件。

我无法使用我尝试过的软件在本地进行更改。我认为主要问题是我缺少PDF中使用的字体，即使使用Acrobat Pro也无法正常工作。在线工具没有抱怨并产生了很好的结果。

- Dimitar

3

楼主要求一个编程解决方案，而不是手动操作的解决方案。 - mkl

@mkl 你说得对，感谢指出这一点。我编辑了我的答案，使其更加清晰明了。在搜索一次性解决大规模替换PDF文本的方案时，我遇到了这个问题。我可以接受编程解决方案，但是我尝试过的所有方法都没有起作用。然而，那个在线工具确实起作用，所以我决定分享它。 - Dimitar

0

我刚试用了中缀表达式处理一个充满变音符的文本，并希望生成另一个文本，其中双重和复合变音符的字符被替换为单一变音符的替代字符。对于那些不想费心理解编程解决方案工作方式的人来说，中缀表达式确实是一个好的解决方案。所有请求更改都已生效。仍需要理解如何实现导致文本布局发生变化的单词重新排列的方法。

- sobusola

我在https://www.iceni.com/infix.htm找到了Infix。根据他们的常见问题解答，Infix Server可以通过命令行进行查找和替换。它适用于Windows、Linux和MacOS。 - undefined

-1

虽然这是一个很旧的帖子，但我想分享一下一个用于在PDF中搜索和替换文本的Node.js软件包选项：Aspose.PDF Cloud SDK for Node.js。它是付费产品，但提供每月150次免费API调用。


const { PdfApi } = require("asposepdfcloud");
const { TextReplaceListRequest }= require("asposepdfcloud/src/models/textReplaceListRequest");
const { TextReplace }= require("asposepdfcloud/src/models/textReplace");

// Get Client ID and Client Secret from https://dashboard.aspose.cloud/
pdfApi = new PdfApi("xxxxx-xxxx-xxxx-xxxx-xxxxxxxxxx", "xxxxxxxxxxxxxxxxxxxxxx");
var fs = require('fs');

const name = "02_pages.pdf";
const remoteTempFolder = "Temp";
//const localTestDataFolder = "C:\\Temp";
//const path = remoteTempFolder + "\\" + name;
//const outputFile= "Replace_output.pdf";


// Upload File
//pdfApi.uploadFile(path, fs.readFileSync(localTestDataFolder + "\\" + name)).then((result) => {  
//                     console.log("Uploaded File");    
//                    }).catch(function(err) {
    // Deal with an error
//    console.log(err);
//});
    
const textReplace= new TextReplace();
        textReplace.oldValue= "origami"; 
        textReplace.newValue= "aspose";
        textReplace.regex= false;

const textReplace1= new TextReplace();
        textReplace1.oldValue= "candy"; 
        textReplace1.newValue= "biscuit";
        textReplace1.regex= false;
    
const trr = new TextReplaceListRequest();
            trr.textReplaces = [textReplace,textReplace1];


// Replace text
pdfApi.postDocumentTextReplace(name, trr, null, remoteTempFolder).then((result) => {    
    console.log(result.body.code);                  
}).catch(function(err) {
    // Deal with an error
    console.log(err);
});

//Download file
//const outputPath = "C:/Temp/" + outputFile;

//pdfApi.downloadFile(path).then((result) => {    
//  fs.writeFileSync(outputPath, result.body);
//    console.log("File Downloaded");    
//}).catch(function(err) {
    // Deal with an error
//    console.log(err);
//});

- Tilal Ahmad

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Chris Dolan · Accepted Answer

由于文档格式的图形特性，查找PDF中的文本可能会本质上变得困难--您正在搜索的字母在文件中可能不是连续的。尽管如此，CAM::PDF 具有一些搜索-替换功能和启发式技巧。请尝试使用 changepagestring.pl，看看它是否适用于您的PDF文档。

安装方法：

 $ cpan install CAM::PDF
 # start a new terminal if this is your first cpan module
 $ changepagestring.pl input.pdf oldtext newtext output.pdf