Question

我正在尝试做一些我认为简单的搜索和替换pdf文件中的标记。

我有这个pdf文件：http://servera.service.com/LABELS.pdf

我正在使用这个带有CAM :: PDF的简单perl脚本来获取页面内容并做一个简单的事情搜索和替换令牌。

$pdf = CAM::PDF->new('LABELS.pdf');

$page = $pdf->getPageContent(1);

$page =~ s/\\045\\045Carrier_Tracking_Number\\045\\045/ABE1234567890/;

$pdf->setPageContent(1, $page);

$pdf->cleanoutput('after.pdf');

exit;

我得到的是http://servera.service.com/after.pdf

当我转储页面内容时，这就是替换前的内容

http://servera.service.com/before.txt

这就是替换后我所拥有的

http://servera.service.com/after.txt

显然我错过了很简单的事情。

Answer 1

在我看来，你没有做错任何事情，代码也按预期运行。但是，我并没有说这些数字'1234567890'，你被迫写入文档，将完全显示它们在PDF上的样子。

与字符'％'的原因相同，您将其替换为'\ 045'而不是通常'％'。 PDF文档以CMap（Adobe内置编码表）编码。如果你用“\ 115”替换字符串，你会得到一个'M'，'\ 116'是'N'，'\ 117'是'O'，但我不知道'\'118'或' P'是。

'getPageContent'返回页面的整个布局内容。我建议你使用'getPageText'而不是'getPageContent'来获得一个真正的字符串。然后你可以正常替换或处理字符串。

my $textpage = $pdf->getPageText(1);
$textpage =~ s/%%Carrier_Tracking_Number%%/ABD1234567890/;

请记住，一旦作为字符串取出，您将永远不会以原始文档格式将其恢复。

P.S。在CAM :: PDF模块中，作者还提供了两个字符串更改脚本： changepdfstring.pl 和 changepagestring.pl 。 changepdfstring.pl更改元数据，changepagestring.pl正好完成你所做的。你可以参考它们。

使用CAM :: PDF进行搜索和替换

1 个答案: