替换 PDF 文档中的字符串（ITextSharp 或 PdfSharp）

Question

我们使用具有功能的非管理 DLL 来替换 PDF 文档中的文本 (http://www.debenu.com/docs/pdf_library_reference/ReplaceTag.php)。 我们正在尝试转向托管解决方案（ITextSharp 或 PdfSharp）。 我知道以前有人问过这个问题，答案是“你不应该这样做”或“PDF 不容易支持”。 然而，有一个适合我们的解决方案，我们只需要将它转换为 C#。 任何想法我应该如何处理它？

Answer 1

根据您的library reference link，您使用Debenu PDFLibrary 函数ReplaceTag。根据this Debenu knowledge base article

ReplaceTag 函数只是替换页面内容流中的文本，因此对于大多数文档来说它不会有任何效果。对于一些简单的文档，它可能能够替换内容，但这实际上取决于 PDF 的构建方式。本质上和做的一样：

DPL.CombineContentStreams();
string content = DPL.GetContentStreamToString();
DPL.SetPageContentFromString(content.Replace("Moby", "Mary"));

这对于任何通用 PDF 库都应该是可能的，绝对是 iText(Sharp)：

void VerySimpleReplaceText(string OrigFile, string ResultFile, string origText, string replaceText)
{
    using (PdfReader reader = new PdfReader(OrigFile))
    {
        byte[] contentBytes = reader.GetPageContent(1);
        string contentString = PdfEncodings.ConvertToString(contentBytes, PdfObject.TEXT_PDFDOCENCODING);
        contentString = contentString.Replace(origText, replaceText);
        reader.SetPageContent(1, PdfEncodings.ConvertToBytes(contentString, PdfObject.TEXT_PDFDOCENCODING));

        new PdfStamper(reader, new FileStream(ResultFile, FileMode.Create, FileAccess.Write)).Close();
    }
}

警告：就像在 Debenu 函数的情况下一样，对于大多数文档，此代码不会产生任何影响，甚至会具有破坏性。对于一些简单的文档，它可能能够替换内容，但这实际上取决于 PDF 的构建方式。

顺便说一句，Debenu knowledge base article 继续：

如果您使用 Debenu Quick PDF Library 和标准字体创建了 PDF，则 ReplaceTag 功能应该可以工作 - 但是，对于使用执行子集字体甚至字距调整（单词将被拆分）的工具创建的 PDF，然后搜索文本可能不会以简单的格式出现在内容中。

因此，简而言之，ReplaceTag 功能仅适用于某些有限的场景，并不是您可以依赖的用于搜索和替换文本的功能。

因此，如果在您迁移到托管解决方案期间您还更改了源文档的创建方式，那么 Debenu PDFLibrary 函数ReplaceTag 和上面的代码都可能无法更改内容随心所欲。

Answer 2

对于 pdfsharp 用户来说，这里有一个有点可用的功能，我从我的项目中复制了它，它使用了一种实用方法，该方法被其他方法使用，因此未使用结果。

它会忽略由 Kerning 创建的空格，因此可能会根据源材料混淆结果（同一空格中的所有字符）

    public static void ReplaceTextInPdfPage(PdfPage contentPage, string source, string target)
    {
        ModifyPdfContentStreams(contentPage, stream =>
        {
            if (!stream.TryUnfilter())
                return false;
            var search = string.Join("\\s*", source.Select(c => c.ToString()));
            var stringStream = Encoding.Default.GetString(stream.Value, 0, stream.Length);
            if (!Regex.IsMatch(stringStream, search))
                return false;
            stringStream = Regex.Replace(stringStream, search, target);
            stream.Value = Encoding.Default.GetBytes(stringStream);
            stream.Zip();
            return false;
        });
    }


    public static void ModifyPdfContentStreams(PdfPage contentPage,Func<PdfDictionary.PdfStream, bool> Modification)
    {

        for (var i = 0; i < contentPage.Contents.Elements.Count; i++)
            if (Modification(contentPage.Contents.Elements.GetDictionary(i).Stream))
                return;
        var resources = contentPage.Elements?.GetDictionary("/Resources");
        var xObjects = resources?.Elements.GetDictionary("/XObject");
        if (xObjects == null)
            return;
        foreach (var item in xObjects.Elements.Values.OfType<PdfReference>())
        {
            var stream = (item.Value as PdfDictionary)?.Stream;
            if (stream != null)
                if (Modification(stream))
                    return;
        }
    }