我将大型网页的一小部分嵌入到使用 pdflatex 编译的文档中（使用\includegraphics）。光栅图像/屏幕截图在放大时会产生伪影，因此我使用浏览器的打印对话框将页面保存为 PDF，并裁剪我需要的部分。
$ pdfcrop --margins "-50 -65 -40 -400" full-page.pdf area.pdf
此工具可更改边界框，并生成所需的视觉的外观。但文件保留了原始文件的所有内容。
$ ls -lh *.pdf
-rw-rw-r-- 1 user group 7.1M Apr 27 14:48 area.pdf
-rw------- 1 user group 7.1M Apr 27 14:02 full-page.pdf
边界框之外包含个人信息，我希望确保这些信息不会出现在裁剪后的 PDF 中（用户名、时间戳、ID 等）。给定原始文档中的一串 ascii 纯文本，例如我的用户名，我将如何查找它是否存在于 PDF 中。我可以预期页面中的 ascii 文本是按字面意思包含的，还是会以某种矢量形式进行编码？
我提到该文件来自浏览器，因为直观地讲，浏览器可能会以可预测的方式对其打印的 PDF 进行编码，如果它直接映射到 DOM，也许很容易剪切区域。
pdf2ps 实验
我已经将 pdf 转换为 ps 并转回（pdf2ps，然后是 ps2pdf），这确实大大缩小了文件大小，但如果不知道如何解释文件的内容，或者不知道这些转换涉及什么，我不能确定我想要删除的内容是否最终消失了，隐藏了，或者只是在空间上重新优化/压缩了。
$ pdf2ps area.pdf && ps2pdf area.ps
$ ls -lh *.pdf
-rw-rw-r-- 1 user group 259K Apr 27 14:59 area.pdf
-rw------- 1 user group 7.1M Apr 27 14:02 full-page.pdf
初始页面主要是字体和线条，除了几个图标。不过字体是 CJK。最终所有内容在任何比例下看起来都很好，因此看起来矢量路径确实通过转换得到了保留。
编辑：根据类似问题关于使用 pdfcrop 删除内容（我在写这篇文章之前搜索时错过了它）。我更感兴趣的是确保一些文本数据不是此时在 pdf 中。我之所以询问这个社区，是因为它的用户熟悉此类嵌入文档，以及所涉及的底层格式。