pdf - 转义字符以替换为 PDF

Question

谁能告诉我 PDF 文件的控制字符集，以及如何转义它们？我有一个（非放气（膨胀？））PDF 文档，我想在其中编辑文本，但我害怕不小心使用括号和其他东西制作了一些控制序列。

谢谢。

Answer 1

好吧，我想我找到了。在PDF 1.7 规范（PDF 链接）的第 15 页上，看来我需要担心的唯一字符是括号和反斜杠。

序列 | 意义
---------------------------------------------
\n | 换行 (0Ah) (LF)
\r | 回车 (0Dh) (CR)
\t | 水平标签 (09h) (HT)
\b | 退格（08h）（BS）
\f | 换页 (FF)
\( | 左括号 (28h)
\) | 右括号（29 小时）
\\ | REVERSE SOLIDUS (5Ch)（反斜杠）
\ ddd      | 字符代码ddd（八进制）

希望这对某人有帮助。

Answer 2

您可能已经知道这一点，但 PDF 文件末尾有一个索引，其中包含文档中所有内容的字节偏移量。如果您手动编辑文档，则必须确保您编写的新文本与原始文本具有完全相同的字符数。

如果您想提取 PDF 页面内容并对其进行编辑，这非常简单。我的CAM::PDF库可让您以编程方式或通过命令行执行此操作：

 use CAM::PDF;
 my $pdf = CAM::PDF->new($filename);
 my $page_content = $pdf->getPageContent($pagenum);
 # ...
 $pdf->setPageContent($pagenum, $page_content)l
 $pdf->cleanoutput($out_filename);

或者

 getpdfpage.pl in.pdf 1 > page1.txt
 setpdfpage.pl in.pdf page1.txt 1 out.pdf