我有一个从以下链接下载的 pdf 文件:
https://invoicetemplates.com/wp-content/uploads/freelance-writer-invoice-template.pdf
我使用 pdf tk 来解压缩 pdf
pdftk 文件.pdf 输出未压缩.pdf 解压缩
当我尝试使用 sed
替换时,它可以工作。
但是,当我使用Java
时,pdf中的 Logo 和文本图像消失。
我不知道为什么——请帮助我。
这是我在 shell 中的代码:
sed -e "s/ORIGINALSTRING/NEWSTRING/g" <uncompressed.pdf >modified.pdf
这是我使用 Groovy 的代码:
(new File('uncox3.pdf')).write( new File('uncompressed.pdf').getText().replaceAll(/ORIGINALSTRING/,"NEWSTRING"))
最佳答案
首先,如果原始字符串和替换字符串的大小不同,您的 sed 命令也会损坏 pdf。在这种情况下,替换会更改间接 pdf 对象的实际起始偏移量,而不会在文件的交叉引用部分中更新它们。
PDF 读者通常会在发现问题后立即尝试修复交叉引用,而不会发出警告,这可能就是您没有注意到的原因。
尽管如此,检索您的发票文件的人可能会因为无法解析而拒绝它们,您不能指望他们接受损坏的文件。
话虽如此,您的groovy代码更明显地损坏pdf的原因可能是使用getText
的显式二进制到文本转换以及中的隐式文本到二进制转换写
。
如果在假定的编码中,每个可能的字节序列都没有字符(序列),则二进制到文本的转换在遇到此类字节序列时将使用替换字符,并且最终的文本到二进制转换不知道这些替换字符的原始字节序列。
同时,utf-8 是这里假设的常见默认编码,对于 utf-8 来说,确实有许多没有意义的字节序列。
显式使用像 Latin-1 这样的编码可能会使您的 java 代码运行类似于 sed 命令。
但如上所述,即使这样也会损坏 pdf,除了实验之外不应该用于任何其他用途,不应该用于将结果 PDF 发送给其他人,特别是不用于发票或契约(Contract)等严肃的内容。
关于java - 替换 pdf 文件——它可以与 sed 一起使用,但是当使用 Java 时,pdf 文件中的图像会消失。为什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49241656/