如何使用 NodeJS 替换 PDF 文件中的字符串？

Posted 2023-02-24

【中文标题】如何使用 NodeJS 替换 PDF 文件中的字符串？

【英文标题】：How do I replace a string in a PDF file using NodeJS?

【发布时间】：2016-08-15 04:30:57

【问题描述】：

我有一个模板 PDF 文件，我想替换一些标记字符串以生成新的 PDF 文件并保存它们。最好/最简单的方法是什么？我不需要添加图形或任何花哨的东西，只是一个简单的文本替换，所以我不想要太复杂的东西。

谢谢！

编辑：刚刚找到HummusJS，我看看能不能进步，发在这里。

【问题讨论】：

你好，曼努埃尔！你找到解决办法了吗？

我也很好奇..

我也有同样的情况，你找到解决办法了吗？

【参考方案1】：

我通过搜索找到了这个问题，所以我认为它应该得到答案。我在这里找到了 BrighTide 的答案：https://github.com/galkahana/HummusJS/issues/71#issuecomment-275956347

基本上，有一个非常强大的 Hummus 包，它使用用 C++ 编写的库（当然是跨平台的）。我认为该 github 评论中给出的答案可以这样功能化：

var hummus = require('hummus');

/**
 * Returns a byteArray string
 * 
 * @param string str - input string
 */
function strToByteArray(str) 
  var myBuffer = [];
  var buffer = new Buffer(str);
  for (var i = 0; i < buffer.length; i++) 
      myBuffer.push(buffer[i]);
  
  return myBuffer;


function replaceText(sourceFile, targetFile, pageNumber, findText, replaceText)   
    var writer = hummus.createWriterToModify(sourceFile, 
        modifiedFilePath: targetFile
    );
    var sourceParser = writer.createPDFCopyingContextForModifiedFile().getSourceDocumentParser();
    var pageObject = sourceParser.parsePage(pageNumber);
    var textObjectId = pageObject.getDictionary().toJSObject().Contents.getObjectID();
    var textStream = sourceParser.queryDictionaryObject(pageObject.getDictionary(), 'Contents');
    //read the original block of text data
    var data = [];
    var readStream = sourceParser.startReadingFromStream(textStream);
    while(readStream.notEnded())
        Array.prototype.push.apply(data, readStream.read(10000));
    
    var string = new Buffer(data).toString().replace(findText, replaceText);

    //Create and write our new text object
    var objectsContext = writer.getObjectsContext();
    objectsContext.startModifiedIndirectObject(textObjectId);

    var stream = objectsContext.startUnfilteredPDFStream();
    stream.getWriteStream().write(strToByteArray(string));
    objectsContext.endPDFStream(stream);

    objectsContext.endIndirectObject();

    writer.end();


// replaceText('source.pdf', 'output.pdf', 0, /REPLACEME/g, 'My New Custom Text');

更新： 编写示例时使用的版本是1.0.83，最近可能会发生变化。

更新 2： 最近我遇到了另一个字体不同的 PDF 文件的问题。由于某种原因，文本被分成小块，即字符串QWERTYUIOPASDFGHJKLZXCVBNM1234567890- 被表示为-286(Q)9(WER)24(T)-8(YUIOP)116(ASDF)19(GHJKLZX)15(CVBNM1234567890-) 我不知道除了编写一个正则表达式之外还能做什么。所以，而不是这一行：

var string = new Buffer(data).toString().replace(findText, replaceText);

我现在有这样的东西：

var string = Buffer.from(data).toString();

var characters = REPLACE_ME;
var match = [];
for (var a = 0; a < characters.length; a++) 
    match.push('(-?[0-9]+)?(\\()?' + characters[a] + '(\\))?');


string = string.replace(new RegExp(match.join('')), function(m, m1) 
    // m1 holds the first item which is a space
    return m1 + '( ' + REPLACE_WITH_THIS + ')';
);

【讨论】：

我收到以下错误：TypeError: pageObject.getDictionary(...).toJSObject(...).Contents.getObjectID is not a function

@Nithin 使用的版本是 1.0.83，也许有些改变...但是您是否先尝试使用最简单的 pdf 文件？打开pdf时可以选择文本吗？

@Nithin 表示文本已矢量化，您无法替换它，因为它是以矢量形式呈现的

@Nithin 我会检查pageObject.getDictionary().toJSObject() 返回的内容，而不是试图猜测

@Nithin 你在哪里找到这个？

【参考方案2】：

还有另一个 Node.js 包 asposepdfcloud，Aspose.PDF Cloud SDK for Node.js。您可以使用它方便地替换 PDF 文档中的文本。它的免费计划每月提供 150 个积分。这是替换PDF文档中文本的示例代码，不要忘记先安装asposepdfcloud。

const  PdfApi  = require("asposepdfcloud");
const  TextReplaceListRequest = require("asposepdfcloud/src/models/textReplaceListRequest");
const  TextReplace = require("asposepdfcloud/src/models/textReplace");

// Get App key and App SID from https://aspose.cloud 
pdfApi = new PdfApi("xxxxx-xxxxx-xxxx-xxxxxxxxxxx", "xxxxxxxxxxxxxxxxxxxxxb");

var fs = require('fs');

const name = "02_pages.pdf";
const remoteTempFolder = "Temp";
//const localTestDataFolder = "C:\\Temp";
//const path = remoteTempFolder + "\\" + name;
//var data = fs.readFileSync(localTestDataFolder + "\\" + name);
    
const textReplace= new TextReplace();
        textReplace.oldValue= "origami"; 
        textReplace.newValue= "aspose";
        textReplace.regex= false;

const textReplace1= new TextReplace();
        textReplace1.oldValue= "candy"; 
        textReplace1.newValue= "biscuit";
        textReplace1.regex= false;
    
const trr = new TextReplaceListRequest();
            trr.textReplaces = [textReplace,textReplace1];

// Upload File
//pdfApi.uploadFile(path, data).then((result) =>   
//                     console.log("Uploaded File");    
//                    ).catch(function(err) 
    // Deal with an error
//    console.log(err);
//);


// Replace text
pdfApi.postDocumentTextReplace(name, trr, null, remoteTempFolder).then((result) =>     
    console.log(result.body.code);                  
).catch(function(err) 
    // Deal with an error
    console.log(err);
);

P.S：我是 aspose 的开发布道者。