如何查看和编辑PDF文件的代码

我想知道如何查看和编辑PDF文件的代码？

1. 通过查看，我不想看到二进制格式，因此我想hexdump可能不是我想要的。我试过了gedit，但是没有编码方法可以用来解码PDF内容。

2. 通过编辑，我想搜索/Fit并将其更改 /XYZ为例如sed。但是我的命令sed s/\/Fit/\/XYZ/ < 1.pdf > 2.pdf似乎没有改变我的PDF的外观，尽管它没有报告任何错误。我想知道是否sed真的可以像纯文本格式一样处理PDF文件？

我的问题的背景可以从这个问题中找到。我的操作系统是Ubuntu 10.10。

您可以使用sed二进制文件（至少GNU sed；某些实现可能会遇到包含空字符或未以换行符结尾的文件的麻烦）。但是，您使用的命令仅替换了/Fit每行中的第一个匹配项，并且在PDF文件中行几乎没有意义。您需要替换所有事件：

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

仅/Fit当单词后没有单词组成部分时才替换（例如，不替换/Fitness；我不知道您的文件是否包含/Fit该内容会引起麻烦），否则替换将更可靠。这是一种方法：

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

关于您的第一个问题（“查看源代码，但没有二进制”）：为了解压缩附加到许多对象的内部二进制流，您有几个选择。

我最喜欢的工具是QPDF，可在所有主要的OS平台上使用。以下命令解压缩所有流和所有对象流：

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

现在，您可以在任何文本编辑器中打开PDF。（那里可能仍然存在一些二进制blob：例如，字体文件和ICC配置文件，这对于QPDF的扩展没有意义）。

要重新压缩的expanded.pdf编辑后再次，你可以运行：

 qpdf expanded.pdf orig2.pdf

（在手动编辑PDF时请小心！要正确执行此操作，您需要了解很多有关其内部语法的信息。添加或删除单个字节后，您可能会收到来自PDF读取器的错误消息，这些读者可能不再能够打开它，因为PDF的内部ToC已损坏，这是基于字节偏移量计算的。尽管仅替换Fit为XYZ字符串也可以，但是...）

sed它是面向行的，因此不适用于二进制文件，这些文件的结构是块而不是行。
尝试改用bbe（bbe-.sourceforge.net）。

另外，Emacs（GNU和XEmacs）和vim都可以无缝打开PDF文件。当然，它打印的不是很漂亮，因为它是文本和二进制混合的，但是对于您的编辑目的来说已经足够了。
有一个用于vim 的Pdftk插件，可以使所有操作变得更加容易，请在此处下载（zip文件）。
您可能知道，以上两个编辑器都具有强大的搜索和替换功能。

另外，将PDF转换为QDF模式之前，实际上很容易编辑PDF文件。

使用LibreOffice或OpenOffice打开PDF，查看，替换，编写新PDF等。我认为，即使有很多文档要处理，您甚至可以从命令行或以编程方式使用它。

请注意，来自某些来源（例如扫描仪）的PDF 通常将页面作为图像而不是文本来包含，因此您在使用搜索和替换时会感到不走运。