我定期收到编码的 PDF 文件。编码是这样工作的：
所以，例子是：
13579 -> 3579;
hello -> jgnnq
它基本上是 ASCII 字符的偏移量（可能是交换）。
问题是当我只能访问几个样本时如何自动找到偏移量。我不能确定编码偏移量是否改变了。我所知道的是一些文本通常（如果不是总是）会出现在 PDF 中，例如“姓名：”、“摘要：”、“总计：”。
谢谢！
编辑：感谢您的反馈。我会尝试将问题分解为更小的问题：
第 1 部分：如何检测字符串中的相同部分？
你需要暴力破解它。
如果这些模式很简单，例如您的示例中的 +2 字符代码（即 +2 字符代码）
h i j
e f g
l m n
l m n
o p q
1 2 3
3 4 5
5 6 7
7 8 9
9 : ;
您可以像这样轻松实现以检查已知单词
>>> text='jgnnq'
>>> knowns=['hello', '13579']
>>>
>>> for i in range(-5,+5): #check -5 to +5 char code range
... rot=''.join(chr(ord(j)+i) for j in text)
... for x in knowns:
... if x in rot:
... print rot
...
hello
PDF 将包含符号（如数学或证明）还是自然语言文本（英语、法语等）？
如果是后者，您可以使用字母频率图（如果您想走得更远，可以使用二合字母、三合字母和一个小的单词词典）。我想网上可能有一些。 这是一个开始。更具体地说，字母频率。
然后，如果你确定这是一个凯撒移位，你可以抓住前 1000 个左右的字符，然后将它们向前移动，增加数量到（我猜）127 个左右。获取结果文本并计算频率与您在上面找到的平均频率的接近程度。 这是相关信息。
维基百科上的链接字母频率页面仅显示字母，因此您可能希望在计算中排除它们，或者更好地找到包含它们的图表。您可能还希望将整个生成的文本转换为小写或大写（您的偏好），以便无论大小写如何都以相同的方式处理字母。
编辑 - 看到关于角色交换的评论
在这种情况下，它是一个替换密码，仍然可以自动破解，尽管这一次您可能希望有一个方便的有向图来进行额外的分析。这很有用，因为就字母分析而言，很可能存在比正确语言“更接近”平均语言的替换，但比较二合字母频率可以排除它。
另外，我建议移动字符，然后查看频率与平均语言频率的匹配程度。实际上，您可以先计算密文中的频率，然后尝试将它们与好的值对齐。我不确定哪个更好。
嗯，这是一个艰难的。
我唯一可以建议的是使用字典（以及一些替换密码算法）可能有助于解码一些文本。
但是我看不到一个解决方案可以用您描述的场景为您解码所有内容。
你为什么不粘贴一些样本输入，我们可以在解码它之前。
只有当你有很多示例时才有可能（示例计数停止：可能获得所有组合或只是线性值依赖性或场景的想法）。
还有这个问题：我将如何对加密算法进行逆向工程？有一些建议。
编码文件是否在 Acrobat Reader 以外的 PDF 阅读器中正确打开？如果是这样，您可以只使用 PDF 库（例如PDF Clown）并使用它以编程方式提取您需要的文本。