Как просмотреть и отредактировать код файла PDF

Мне было интересно, как просмотреть и редактировать код файла PDF?

1. При просмотре я не хочу видеть двоичный формат, поэтому я думаю, что hexdumpэто не то, что я хочу. Я пытался gedit, но никакой метод кодирования не может быть использован для декодирования содержимого PDF.

2. Редактируя, я хотел бы найти /Fitи изменить их /XYZ, например, на sed. Но моя команда, sed s/\/Fit/\/XYZ/ < 1.pdf > 2.pdfпохоже, не меняет внешний вид моего PDF, как я ожидал, хотя и не сообщает об ошибке. Мне было интересно, sedможет ли на самом деле работать с файлами PDF, как если бы они были простым текстом?

Контекст моих вопросов можно узнать из этого вопроса . Моя ОС - Ubuntu 10.10.

Вы можете использовать sedс двоичными файлами (по крайней мере, GNU sed; некоторые реализации могут иметь проблемы с файлами, содержащими нулевые символы или не заканчивающимися символом новой строки). Но команда, которую вы использовали, заменяет только первое вхождение в /Fitкаждой строке, и строки в PDF-файле практически не имеют смысла. Вам необходимо заменить все вхождения:

 sed s/\/Fit/\/XYZ/g

Это будет более надежной заменой только в том /Fitслучае, если за ней не следует слово, составляющее слово (например, не заменяет /Fitness; я не знаю, содержит ли ваш файл случаи, /Fitкоторые могут вызвать проблемы). Вот один из способов:

perl -pe 's!/Fit\b!/XYZ!g'

Относительно вашего первого вопроса («просмотр исходного кода, но не двоичного кода»): у вас есть несколько вариантов, чтобы распаковать внутренние двоичные потоки, которые прикреплены ко многим объектам.

Мой любимый инструмент для этого - QPDF , доступный на всех основных платформах ОС. Следующая команда распаковывает все потоки и все потоки объектов:

 qpdf --qdf --object-streams=disable orig.pdf expanded.pdf

Теперь вы можете открыть свой PDF в любом текстовом редакторе. (Там все еще могут быть некоторые двоичные объекты: например, файлы шрифтов и профили ICC, которые не имеют смысла расширять QPDF).

Для того, чтобы повторно сжатьexpanded.pdf снова после редактирования, вы можете запустить:

 qpdf expanded.pdf orig2.pdf

(Осторожно при ручном редактировании PDF-файлов! Вам нужно много знать об их внутреннем синтаксисе, чтобы сделать это правильно. Как только вы добавите или удалите один байт, вы можете получить сообщения об ошибках от читателей PDF, которые больше не смогут откройте его, потому что внутренний ToC PDF-файлов поврежден, что основано на вычислениях смещения байтов. Просто замена Fitна XYZстроки должна проходить нормально, хотя ...)

sedориентирован на строки, что делает его не очень подходящим для двоичных файлов, которые структурированы как блоки, а не как строки.
Попробуйте использовать bbe (bbe-.sourceforge.net).

Кроме того, Emacs (GNU и XEmacs) и vim без проблем открывают PDF-файлы. Конечно, это не очень красиво напечатано, так как это смешанный текст и двоичный файл, но этого достаточно для ваших целей редактирования.
Существует плагин Pdftk для Vim, который делает все проще, скачать здесь (ZIP-файл).
Как вы, наверное, знаете, оба вышеуказанных редактора имеют мощные возможности поиска и замены.

Кроме того, преобразование PDF в режим QDF до этого делает редактирование PDF-файлов действительно простым.

Используйте LibreOffice или OpenOffice, чтобы открыть PDF-файл, просмотреть его, заменить, написать новый PDF-файл и т. Д. Я думаю, что вы даже можете использовать его из командной строки или программно, если нужно обработать много документов.

Обратите внимание, что PDF-файлы из некоторых источников, например, сканеров, часто содержат страницы в виде изображений, а не в виде текста, поэтому вам не повезет с ними при использовании поиска и замены.