0

我想在未压缩的 pdf 中编辑几行。我发现了一个类似的问题，但由于我需要扫描文件几次以获得我想要更改的确切行位置，这并不适合（并且 RegEx 匹配的纯数量超出了预期）。pdf 包含 utf-8 可编码行（其中一些我想编辑，特别是书签目标 ID）和很多 blob（猜测图像等）。当我用记事本编辑文件时，它工作正常，但是当我以编程方式（读入、更改几行、写回）时，图像和一些格式丢失了。（因为他们一开始没有被读入，忽略选项）

with codecs.open("merged-uncompressed.pdf", "r", encoding='ascii', errors='ignore') as f:

我可以读取文件errors="surrogateescape"并想映射上面导入的行，但不知道这种方法是否可行。

有谁知道如何处理这个问题？

最好的，卢卡斯

4

1 回答 1

0

我能够解决这个问题：

  1. 以二进制形式读取文件
  2. 标记了无法编码 utf-8 的行
  3. 将列表逐行复制到临时列表（不可编码的行是用占位符'None\n'复制的）
  4. 然后我回去在复制的列表上做搜索部分，所以我得到了我想要替换的行
  5. 替换了原始二进制列表中的行（相同的索引！）
  6. 写回文件
  7. 生成的 pdf 有点损坏，因为书签的目标 id 之前有空格，但是通过重新压缩 qpdf 修复了它:)

目前代码非常混乱，所以我现在不想发布它。但我想在接下来的几周内将它添加到 github。如果有人需要它：只需发表评论，它将具有更高的优先级。

感谢任何想提供帮助的人:) Lukas

于 2021-04-18T11:37:48.657 回答