如何解决用Java中的PDFbox替换或删除PDF中的文本
我正在尝试使用PDFBOX 2.0替换为空或删除文本模式,(在我的情况下,我想从所有PDF中删除所有“ [QR]”词),但找不到任何适用的方法我。
我尝试过itext,但是同样,没有任何效果。
我的pdf文件中的“ [QR]”字符串是在创建PDF文件后进行编辑的,也许这就是为什么它们不显示为tj运算符的原因?
我的主:
replaceText(documentoPDF,"[QR]","");
我的方法(我打印了Tj值,我的图案没有出现在这里)
public void replaceText(PDDocument documentoPDF,String searchString,String replacement) throws IOException{
for ( PDPage page : documentoPDF.getPages()){
PDFStreamParser parser = new PDFStreamParser(page);
parser.parse();
List<?> tokens = parser.getTokens();
for (int j = 0; j < tokens.size(); j++){
Object next = tokens.get(j);
if (next instanceof Operator){
Operator op = (Operator) next;
String pstring = "";
int prej = 0;
//Tj and TJ are the two operators that display strings in a PDF
if (op.getName().equals("Tj"))
{
// Tj takes one operator and that is the string to display so lets update that operator
COSString previous = (COSString) tokens.get(j - 1);
String string = previous.getString();
string = string.replaceFirst(searchString,replacement);
previous.setValue(string.getBytes());
} else
if (op.getName().equals("TJ"))
{
COSArray previous = (COSArray) tokens.get(j - 1);
for (int k = 0; k < previous.size(); k++)
{
Object arrElement = previous.getObject(k);
if (arrElement instanceof COSString)
{
COSString cosString = (COSString) arrElement;
String string = cosString.getString();
if (j == prej) {
pstring += string;
} else {
prej = j;
pstring = string;
}
}
}
System.out.println(pstring.trim());
if (searchString.equals(pstring.trim()))
{
COSString cosString2 = (COSString) previous.getObject(0);
cosString2.setValue(replacement.getBytes());
int total = previous.size()-1;
for (int k = total; k > 0; k--) {
previous.remove(k);
}
}
}
}
}
// now that the tokens are updated we will replace the page content stream.
PDStream updatedStream = new PDStream(documentoPDF);
OutputStream out = updatedStream.createOutputStream(COSName.FLATE_DECODE);
ContentStreamWriter tokenWriter = new ContentStreamWriter(out);
tokenWriter.writeTokens(tokens);
out.close();
page.setContents(updatedStream);
}
documentoPDF.save("resources\\resultado\\nuevo.pdf");
}
这是带有某些[QR]模式的pdf示例:http://www.mediafire.com/file/9w3kkc4yozwsfms/file
如果有人可以提供帮助,我将不胜感激。
如果需要,我可以上传我的整个项目
谢谢。
解决方法
正如注释中已经提到的,您的代码不起作用的原因很简单-您完全忽略了该文本字体的编码。在内容流中实际上有[( >) ( 4) ( 5) ( @) ] TJ
条指令(“>”,“ 4”,“ 5”和“ @”之前的“空格”实际上是零字节,0x00)。因此,显然,该编码是某种16位编码,另外还没有自然嵌入的ASCII。
要正确考虑字体,必须跟踪当前字体。这意味着解析整个内容流并分析文本字体设置调用,保存图形状态调用以及还原图形状态调用。然后,您必须从正确的资源中检索正确的字体对象。
实际上,所有这些操作已由用于以下操作的PDFBox内容解析框架完成:文本提取。因此,我们可以围绕此框架创建内容流编辑器。
实际上,这也已经完成,请参见PdfContentStreamEditor
中的this answer。
就您的文档而言,要删除的文本是由一条单独的文本绘制指令绘制的,而这些指令中的每条仅绘制了一条要删除的文本,我们可以简单地查看当前指令绘制的文本,然后决定是否保留说明:
PDDocument document = ...;
for (PDPage page : document.getDocumentCatalog().getPages()) {
PdfContentStreamEditor editor = new PdfContentStreamEditor(document,page) {
final StringBuilder recentChars = new StringBuilder();
@Override
protected void showGlyph(Matrix textRenderingMatrix,PDFont font,int code,Vector displacement)
throws IOException {
String string = font.toUnicode(code);
if (string != null)
recentChars.append(string);
super.showGlyph(textRenderingMatrix,font,code,displacement);
}
@Override
protected void write(ContentStreamWriter contentStreamWriter,Operator operator,List<COSBase> operands) throws IOException {
String recentText = recentChars.toString();
recentChars.setLength(0);
String operatorString = operator.getName();
if (TEXT_SHOWING_OPERATORS.contains(operatorString) && "[QR]".equals(recentText))
{
return;
}
super.write(contentStreamWriter,operator,operands);
}
final List<String> TEXT_SHOWING_OPERATORS = Arrays.asList("Tj","'","\"","TJ");
};
editor.processPage(page);
}
document.save("nuevo-noQrText.pdf");
(EditPageContent测试testRemoveQrTextNuevo
)
结果是QR码下面的“ [QR]”文本消失了,例如
成为
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。