Як переглянути та відредагувати код файлу PDF

Мені було цікаво, як переглянути та відредагувати код файлу PDF?

1. Переглядаючи, я не хочу бачити бінарний формат, тому я думаю, що hexdumpце не те, що я хочу. Я спробував gedit, але жоден метод кодування не може бути використаний для декодування вмісту PDF.

2. Редагуючи, я хотів би знайти /Fitі змінити їх на /XYZ, наприклад, sed. Але моя команда, sed s/\/Fit/\/XYZ/ < 1.pdf > 2.pdfздається, не змінить зовнішній вигляд мого PDF, як я очікував, хоча він не повідомляє про помилку. Мені було цікаво, чи sedможна насправді працювати з файлами PDF так, як якщо б вони були простим текстом?

Контекст моїх питань можна знайти з цього питання . Моя ОС - Ubuntu 10.10.

Ви можете використовувати sedз бінарними файлами (принаймні GNU sed; деякі реалізації можуть мати проблеми з файлами, що містять нульові символи, або не закінчуються символом нового рядка). Але команда, яку ви використовували, замінює лише перше виникнення у /Fitкожному рядку, а рядки є майже безглуздими у файлі PDF. Вам потрібно замінити всі події:

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

Більш надійною була б заміна, лише /Fitякщо за нею не входить слово складова (наприклад, не замінюючи /Fitness; я не знаю, чи у вашому файлі містяться випадки, /Fitякі могли б викликати проблеми). Ось один із способів:

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

Стосовно вашого першого питання ("перегляд вихідного коду, але не двійковий"): є кілька варіантів, які ви можете відключити від внутрішніх бінарних потоків, прикріплених до багатьох об'єктів.

Мій улюблений інструмент для цього - QPDF , доступний на всіх основних платформах ОС. Наступна команда знімає стиснення всіх потоків та всіх об'єктних потоків:

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

Тепер ви можете відкрити PDF у будь-якому текстовому редакторі. (Там все ще можуть бути деякі бінарні краплі: наприклад, файли шрифтів та профілі ICC, що не має сенсу для QPDF розширюватися).

Для того, щоб повторно стиснутиexpanded.pdf знову після редагування, ви можете запустити:

 qpdf expanded.pdf orig2.pdf

(Обережно під час редагування PDF-файлів вручну! Вам потрібно знати багато про їх внутрішній синтаксис, щоб зробити це правильно. Як тільки ви додасте або видалите один байт, ви можете отримати повідомлення про помилки від читачів PDF, які, можливо, більше не зможуть відкрити його, так як PDF - файли внутрішньої ToC пошкоджена, який заснований на байти зміщення розрахунків. Просто замінити Fitна XYZрядках повинні йти нормально, хоча ...)

sedорієнтована на рядки, що робить його не дуже підходящим для бінарних файлів, структурованих як блоки, а не рядки.
Спробуйте використовувати bbe (bbe-.sourceforge.net) замість цього.

Крім того, і Emacs (GNU і XEmacs), і vim безперешкодно відкривають файли PDF. Звичайно, це не дуже симпатично, оскільки це змішаний текст та двійковий текст, але цього достатньо для ваших цілей редагування.
Існує плагін Pdftk для vim, який полегшує все, завантажте тут (zip-файл).
Як ви, напевно, знаєте, обидва вище редактори мають потужні можливості пошуку та заміни.

Крім того, перетворення PDF в режим QDF перед тим, як зробити редагування файлів PDF дійсно простим.

Використовуйте LibreOffice або OpenOffice, щоб відкрити PDF, переглянути його, замінити речі, написати новий PDF тощо. Я думаю, що ви навіть можете використовувати його з командного рядка або програмно, якщо є багато документів для обробки.

Зверніть увагу, що PDF-файли з деяких джерел, наприклад сканерів, часто містять сторінки як зображення, а не як текст, тому вам не пощастить з ними для пошуку та заміни.