Python：如何替换pdf中的文本

Posted 2023-02-23

【中文标题】Python：如何替换pdf中的文本

【英文标题】：Python: How to replace text in pdf

【发布时间】：2015-10-20 14:04:57

【问题描述】：

我有一个 pdf 文件，我想替换 pdf 文件中的一些文本并生成新的 pdf。我怎么能在python中做到这一点？ 我试过 reportlab ，reportlab 没有任何搜索文本和替换它的功能。我还可以使用什么其他模块？

【问题讨论】：

请说明您尝试过的内容

嗨@Dax！欢迎来到堆栈溢出。正如@adao7000 所提到的 - 你能给我们举一个你试过的例子吗？请在此处查看有关创建“最小、封闭、可验证”示例的指南：***.com/help/mcve。

我是支持者。注意以前的 cmets：@Dax 不是要代码，而是要 python 模块。请注意，***.com/help/on-topic 明确指出“但如果您的问题通常涵盖……软件开发独有的实际、可回答的问题……那么您来对地方提出问题了！”我只是来这里寻找同样的东西。如果有人为我们指明正确的方向，那就足够了。

您链接到的页面还包含以下内容：“要求我们推荐或查找书籍、工具、软件库、教程或其他非现场资源的问题对于 Stack Overflow 来说是题外话，因为它们往往会吸引自以为是的答案和垃圾邮件。相反，请描述问题以及迄今为止为解决该问题所做的工作。”

【参考方案1】：

查看THIS thread，了解从 PDF 中读取文本的众多方法之一。然后你需要创建一个新的 pdf，据我所知，他们不会为你检索任何格式。

【参考方案2】：

CAM::PDF Perl Library 可以输出不是太难以解析的文本（它似乎相当随机地分割文本行）。我懒得学太多 Perl，所以我写了这些非常基本的 Perl 命令行脚本，一个将单页 pdf 读取到文本文件 perl read.pl pdfIn.pdf textOut.txt 和一个写入文本（您可以在同时）到pdf perl write.pl pdfIn.pdf textIn.txt pdfOut.pdf。

#!/usr/bin/perl
use Module::Load;
load "CAM::PDF";

$pdfIn = $ARGV[0];
$textOut = $ARGV[1];

$pdf = CAM::PDF->new($pdfIn);
$page = $pdf->getPageContent(1);

open(my $fh, '>', $textOut);
print $fh $page;
close $fh;

exit;

和

#!/usr/bin/perl
use Module::Load;
load "CAM::PDF";

$pdfIn = $ARGV[0];
$textIn = $ARGV[1];
$pdfOut = $ARGV[2];

$pdf = CAM::PDF->new($pdfIn);

my $page;
   open(my $fh, '<', $textIn) or die "cannot open file $filename";
   
       local $/;
       $page = <$fh>;
   
close($fh);

$pdf->setPageContent(1, $page);

$pdf->cleanoutput($pdfOut);

exit;

你可以call这些用python在输出的文本文件上做一些正则表达式等东西。

如果您是 Perl 的新手（就像我一样），您需要确保已安装 Perl 和 CPAN，然后运行 ​​sudo cpan，然后在提示符 install "CAM::PDF"; 中，这将安装所需的模块。

另外，我意识到我可能应该使用标准输出等，但我很着急:-)

另外，您知道 CAM-PDF 输出的格式是什么吗？有相关文档吗？

【讨论】：

这里有一些更有用的文档search.cpan.org/dist/CAM-PDF/lib/CAM/PDF.pm 如果我能找到它，我可能会写一些 Python 包装器

【参考方案3】：

您可以尝试Aspose.PDF Cloud SDK for Python，Aspose.PDF Cloud 是一个 REST API PDF 处理解决方案。它是付费 API，其免费套餐计划提供每月 50 积分。

我是 Aspose 的开发布道者。

import os
import asposepdfcloud
from asposepdfcloud.apis.pdf_api import PdfApi

# Get App key and App SID from https://cloud.aspose.com
pdf_api_client = asposepdfcloud.api_client.ApiClient(
    app_key='xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx',
    app_sid='xxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxxx')

pdf_api = PdfApi(pdf_api_client)
filename = '02_pages.pdf'
remote_name = '02_pages.pdf'
copied_file= '02_pages_new.pdf'
#upload PDF file to storage
pdf_api.upload_file(remote_name,filename)

#upload PDF file to storage
pdf_api.copy_file(remote_name,copied_file)

#Replace Text
text_replace = asposepdfcloud.models.TextReplace(old_value='origami',new_value='polygami',regex='true')
text_replace_list = asposepdfcloud.models.TextReplaceListRequest(text_replaces=[text_replace])

response = pdf_api.post_document_text_replace(copied_file, text_replace_list)
print(response)

【讨论】：

唯一对我有用的选项，tks！