qpdf -替换现有PDF文件中的文本

Question

这是我第一次在这个级别上使用PDF。所以请耐心地回答我的问题。我理解基本层次上PDF文件的逻辑和物理结构。

我有一个PDF，其中包含一个虚拟的ID，需要更换。为了检查，如果有这样的方法，我使用qpdf来扩展PDF

qpdf --qdf -对象流=禁用orig.pdf expanded.pdf

使用十六进制编辑器，我在expanded.pdf中定位了虚拟ID，并通过简单地交换两位数字更改了值

<001800180017> Tj => <001700170018> Tj

并拯救了它。在Acrobat中打开expanded.pdf没有显示修改。原来的ID 443仍然呈现，但搜索"443“找不到它。在搜索"334“(修改后的内容)时，我会高亮显示呈现的原始ID 443。

PDF由文本和矢量图形组成。当我插入额外的数字(这显然使xref中的偏移无效)时，我会收到一条关于缺少字体的错误消息，所有的数字都显示为点，但是矢量图形仍然存在。这似乎表明ID不是图形的一部分。

我错过了什么？

编辑1:在mkl的评论之后，我对我的PDF做了更深入的分析，发现除了明显的图形内容之外，所有文本都是由BT/ET部分遵循的一系列m/l/c命令呈现的。在BT/ET部分，笔画和非笔画的颜色均为0,0,0。

这是因为用过的嵌入式非标准字体吗？带有嵌入式字体的PDF通常是这样做的吗？图形部分用于视觉表示，而透明(隐藏)文本部分只是为了获得搜索和高亮显示功能？

回顾过去，当我第一次修改内容时，我想知道我做了什么来得到这些点。我似乎不可能，我也不能复制它。

谢谢汤姆

Answer 1

首先，以下只是猜测，因为你不能分享有关的pdf。受过教育的猜测，但仍然是猜测。

您报告说，您只需在文本绘图指令参数中交换两位数字，就可以更改该值，现在可以成功地使用交换数字搜索该值，但Acrobat没有显示修改。

此外，您还注意到，所有文本都由一系列m/l/c命令呈现，后面是BT/ET部分。

观察文本被呈现为任意矢量图形(一系列m/l/c命令)的主要情况是pdfs中，生产者不希望文本提取成为可能，并将文本绘制指令替换为任意矢量图形指令。

这显然不是在你的pdf中的情况，因为文字绘图说明没有被取代，而仅仅是由矢量图形的补充。

假设这个构造是出于某种原因而不是偶然使用的，我只能假设pdf生产者不愿意或不允许嵌入有关字体，而是希望显示特定的字体外观，而不必依赖在查看pdf的计算机上安装的字体。

因此，文本外观是使用任意矢量图形指令绘制的，下面的文本绘图指令实际上没有绘制任何内容，只是使文本可以搜索和提取。这样就没有必要将外观字体作为字体程序嵌入。(可以通过使用带有所有空白字形的字体或使用文本呈现模式“不可见”，使文本绘图指令不进行任何绘制。)

如果这个假设是正确的，那么替换虚拟id的任务不仅需要编辑文本绘图指令的参数，还需要用显示实际id的其他指令替换显示虚拟id外观的任意矢量图形指令。

如果您碰巧有问题的字体，并且愿意并能够嵌入它，您实际上可以用字体的文本绘图指令来替换任意的矢量图形指令。否则，也要准备将实际id绘制为任意矢量图形。