☰

用于搜索和替换 PDF 上的文本的命令行工具

tag-icon • tag-icon command-line libreoffice pdf
用于搜索和替换 PDF 上的文本的命令行工具

我有一个 PDF 文件，其中有一个令人讨厌的水印，上面全是我的名字，这个 PDF 文件相当长。我尝试用空白替换 LibreOffice Draw 中的文本，但尽管我的名字确实以文本形式出现，但查找和替换功能似乎占用了大量的 RAM 和 CPU 时间，导致计算机性能下降。

有没有命令行方法可以从 PDF 中删除字符串？嗯... 可以sed吗？

答案1

接受的答案仅在极少数情况下有效

抱歉，@dessert 给出的答案作为一般性建议是错误的。它不适用于 PDF 中的文本替换的一般情况（无论是否有水印），并且您必须非常幸运才能在极少数情况下遇到可以使用它的 PDF。（此外，LibreOffice 插入的水印经常被转换成矢量或像素图形，即使它们在打印或在屏幕上查看时看起来像文本......但这种情况我不会进一步讨论 - 下面我只处理 PDF 中的真实文本内容。）

原因

原因如下：

  1. 什么出现在 PDF 查看器中，其内容的可视化表示是 ASCII 文本，但 PDF 源代码中很可能不是 ASCII 文本。相反，它可能是十六进制编码的。

  2. 此外，ASCII 字符串的各个字符可能会按连续的顺序放置在页面上，但它们可以轻松地单独放置，每个字符都有自己的坐标信息散布在各个字符之间……

  3. 此外，ASCII（和非 ASCII）字符表的十六进制编码（“映射”）是不可预测的，并且可能因字体而异。

因此，在所有这些情况下，您的 sed 命令都不会成功 - 即使在解压缩 PDF 之后也不会成功。

例子

以下是“字符串”的示例水印，它如何出现在使用 LibreOffice 创建的 PDF 中：

56.8 726.989 Td /F2 16 Tf[<01>29<0203>-2<0405>6<06>-1<020507>]TJ

我将为您分析一下这意味着什么：

  • 56.8 726.989 Td：Td是用于在页面上移动文本定位的操作符；56.8 726.989是用于描述该精确位置的 x/y 坐标。

  • /F2 16 Tf:Tf是一个运算符，用于将某种字体及其大小设置为当前活动字体；在这种情况下，它是用名称在其他地方标记的字体/F2，其大小应为16pt。

  • [<01>29<0203>-2<0405>6<06>-1<020507>]TJ:TJ是一个运算符，用于显示文本，同时允许单独定位字形。根据该 PDF 特定的“charmap”表和所用字体，尖括号内十六进制代码片段的含义如下：

    • <01>：这就是'W'。

    • <0203>：这就是'at'。

    • <0405>：这就是'er'。

    • <06>：这就是'm'。

    • <020507>：这就是'ark'。

    29这些十六进制片段（ 、、-2和）之间的数字是校正值6，-1用于确定不同字符的单独间距。

现在你向我展示如何使用其他东西替换那个“字符串”sed... 请记住，处理任意 PDF 时，您事先并不知道编码，也不知道位置校正数字。您只能通过在编辑器中打开其源代码并分析其内容来找出答案。

执行摘要

不，没有命令行方式可以可靠地从 PDF 中删除不需要的字符串！

您只能在以下情况下执行此操作...

(a)...您是一位 PDF 专家，能够熟练阅读 PDF 源代码；

(b) ...您准备单独分析相关的 PDF 文件；

(c) ...解压 PDF 源代码后，使用文本编辑器修改其内容。

警告：目前标记为“已接受”的答案可能适用于 OP 的特定 PDF。但是，它在一般情况下不起作用。不要把它宣传的“秘诀”视为理所当然！

答案2

PDF 中显示的文本不一定是源文件中的纯文本，请参阅Kurt Pfeifle 的精彩回答了解详情。这个答案仅涵盖最简单的情况，此处描述的方法根本不适用于任何 PDF！

如果您很幸运而且它只是文本，那么您可以尝试使用sed任何文本编辑器简单地将其删除 - 假设它说“水印”：

sed 's/watermark//g' in.pdf >out.pdf

如果你的 PDF 文件是压缩文件，则需要先将其解压缩才能使用此功能，例如使用pdftk（如何在 Ubuntu 18.04 及更高版本中安装 pdftk？)：

pdftk in.pdf output out.pdf uncompress

如果sed您首选的 PDF 阅读器无法读取 的输出，请尝试使用以下方法修复它pdftk：

pdftk out.pdf output out_pdftk.pdf

进一步阅读：如何编辑 PDF？

来源：如何使用 pdftk 去除 pdf 中的水印 • 超级用户

相关内容