如何以编程方式搜索和替换大量 PDF 文件中的某些文本？我想删除已添加到一组文件的 URL。我已经能够在 Adobe Pro 的批处理下使用 javascript 删除链接，但链接文本仍然存在。我看到了使用文本修饰的建议，它可以手动工作，但我不想手动修改 1300 个文件。
【问题讨论】：
标签： javascript pdf replace
由于文档格式的图形性质，在 PDF 中查找文本本来就很困难——您要搜索的字母在文件中可能不连续。也就是说，CAM::PDF 具有一些搜索替换功能和启发式方法。试试changepagestring.pl，看看它是否适用于您的 PDF。
安装：
$ cpan install CAM::PDF
# start a new terminal if this is your first cpan module
$ changepagestring.pl input.pdf oldtext newtext output.pdf
【讨论】：
我也变得绝望了。在安装了 10 次 PDF 编辑器后，都需要花钱，但没有成功：
pdftk + 编辑器就够了：
替换 PDF 文件中的文本
使用 pdftk 解压 PDF 页面流
pdftk original.pdf 输出 original.uncompressed.pdf 解压
替换文本（有时这 有效，有时无效）在 original.uncompressed.pdf 中
修复修改过的（现在坏了） PDF
pdftk original.uncompressed.pdf 输出 original.uncompressed.fixed.pdf
（来自乔尔·戴尔）
【讨论】：
您可以使用 Adobe Acrobat Pro 中的“编辑”功能在一个步骤中查找和替换单个文档中的所有引用...不确定是否可以自动执行多个步骤。
http://help.adobe.com/en_US/Acrobat/9.0/Professional/WS5E28D332-9FF7-4569-AFAD-79AD60092D4D.w.html
【讨论】：
不确定我是否愿意做所有的工作来编写代码来修改你的 1300 个文件，如果有一个程序可以为你做这件事。前几天，我使用专业版的 Infix 使用其“在文件中查找和替换”功能批量修改了近 100 个文件。它工作得很好。我评估了其他程序，希望能找到类似于 Microsoft Word 的查找和替换功能。 Infix 是我发现的唯一一个可以做到的。签出：http://www.iceni.com/infix-pro.htm
【讨论】：
我刚刚完成了一个由带有变音符号的文本组成的文本的中缀尝试，希望生成另一个文本，其中具有双和组合变音符号的字符被替换为单变音符号。对于那些不关心理解程序化解决方案的工作的人来说，Infix 绝对是一个很好的解决方案。所有请求更改均已生效。仍然需要了解如何影响更改文本布局的单词重排。
【讨论】：
这只是解决方案的一半，但我使用了 Touch up 和 AppleScript 对发送击键的支持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，它可能适合您。在我的情况下，我必须在每个表的开头手动插入光标（数十个表 - 对于手动过程来说非常易于管理），但之后我自动替换了数千个单元格。
【讨论】：
问题是针对程序化解决方案，但我仍然会分享这个免费的在线工具，它帮助我批量替换某些 PDF 文件中的文本：
http://www.pdfdu.com/pdf-replace-text.aspx
替换文本后，我没有注意到生成的 PDF 文件中有任何广告或其他修改。
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错过了 PDF 中使用的字体，即使使用 Acrobat Pro，它也无法正常工作。在线工具没有抱怨，产生了很好的效果。
【讨论】：
我建议你可以使用 VeryPDF PDF Text Replacer Command Line 软件批量替换 PDF 页面中的文本，你可以运行 pdftr.exe 轻松替换 PDF 页面中的文本，例如，
pdftr.exe -contentreplace "My Name=>Your Name" D:\in.pdf D:\out.pdf
pdftr.exe -searchandoverlaytext "My Name=>Your Name" 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 "string" C:\in.pdf
pdftr.exe -pagerange 1 -searchtext "string" 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 "旧文本=>新文本||VeryPDF=>VeryDOC||我的名字=>你的名字" D:\in.pdf D:\ out.pdf
pdftr.exe -opw 123 -upw 456 -contentreplace "旧文本=>新文本||VeryPDF=>VeryDOC||我的名字=>你的名字" D:\in.pdf D:\out.pdf
pdftr.exe -searchandoverlaytext "PDFcamp Printer=>VeryPDF Printer" -overlaytextfontsize 8 D:\in.pdf D:\out.pdf
pdftr.exe -searchandoverlaytext "PDFcamp Printer=>VeryPDF Printer" -overlaytextfontsize 80% D:\in.pdf D:\out.pdf
【讨论】：
虽然这是一个相当古老的线程。只是想分享一个 Node.js 包选项来搜索和替换 PDF 中的文本：Aspose.PDF Cloud SDK for Node.js。它是付费产品，但每月提供 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);
//});
【讨论】：
似乎即使使用未压缩的 pdf，文本有时也会被格式化。这使得“正常”文本替换，例如 sed，不起作用或不重要。
我找不到任何似乎与glyph spacing offsets 一起工作的东西，即看起来像这样的文本（这在 pdf 中似乎很常见），在这个例子中，“其他信息”这个词是这样存储的：
[(O)-16(ther i)-20(nformati)-11(on )]TJ
我试图自己编写一个满足这一点的工具。它适用于常见用例。看看here。
首先解压你的pdf，然后cd到签出的git代码，然后：
语法
$ crystal replaceinpdf.cr input_filename.pdf "something you want replaced" "what you want it replaced with" output.pdf
享受吧！
【讨论】：