处理 PDF 文件

Question

我想将 PDF 文件作为文本（postscript）读取，在文件结构中添加新对象并将最终输出保存为新 PDF，但如果我只是复制 PDF PostScript 内容并将其粘贴到新创建的PDF 文件（其中encoding='ansi'），该文件不起作用。

我确信这可能是编码问题，但我不确定在处理原始 PostScript 内容后我应该怎么做才能获得有效的 PDF 文件格式。

这是我无法使用的一段代码：

pdf_file = open('Input.pdf', 'r', encoding='ansi').read()
pdf_file_bytes = bytearray(pdf_file, 'ansi')
pdf_file = open('Output_bytes.pdf', 'wb').write(pdf_file_bytes)

正如我所说，输出的 PDF 无效！

Answer 1

第一个问题； PDF 文件的内容是 PDF，而不是 PostScript。

其次，PDF 是一种二进制文件格式，因此如果您复制并粘贴它，任何类型的翻译（例如 CR/LF）都会破坏它。

你没有说你的代码使用什么编程语言，虽然它看起来像 Python。如果是 Python，那么将文件作为二进制而不是文本读取可能会有所帮助。

Answer 2

PDF 文件是由各种对象组成的复杂文件格式，除非您仔细阅读 PDF 规范的低级语法，否则很难将某些字节随意替换为其他一些字节并导致仍然有效的 PDF 文件。

更重要的是您要完成什么。例如。可能有一种高级方式来做任何你想做的事情，而不涉及直接操纵 PDF 语法。例如。如果您需要修改字体、添加注释、设置 PDF 版本等。否则如果您确实需要修改 PDF 语法，则需要使用能够处理低级对象的库。