Python：如何替换pdf中的文本

Question

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 没有任何功能来搜索文本和替换它。 我可以使用什么其他模块？

Answer 1

你可以试试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，其免费套餐计划每月提供 50 个积分。

我是 Aspose 的开发人员布道者。

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)

Answer 2

查看此线程，了解从 PDF 中读取文本的多种方法之一。 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。

Answer 3

CAM::PDF Perl 库可以输出不太难解析的文本（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和一个写入文本的perl read.pl pdfIn.pdf textOut.txt （您可以同时修改）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;

您可以在输出的文本文件上执行一些正则表达式等内容的任一侧使用 python 调用这些。

如果您完全不熟悉 Perl（就像我一样），您需要确保安装了 Perl 和 CPAN，然后运行sudo cpan ，然后在提示中install "CAM::PDF"; ，这将安装所需的模块。

另外，我意识到我可能应该使用 stdout 等，但我很着急:-)

另外，任何想法CAM-PDF输出的格式是什么？ 有什么文档吗？