使用 Python 批量修改或替换 PDF 中的文字

在日常工作中，我们可能会遇到需要批量修改或替换 PDF 文件中特定文字的情况。手动处理每一个 PDF 文件不仅费时费力，而且容易出错。使用 Python 可以高效地实现这一任务。本文将介绍如何使用 Python 的 PyPDF2 和 pdfplumber 库来批量替换 PDF 文件中的文字。

准备工作

在开始之前，确保您已安装 PyPDF2 和 pdfplumber。可以使用以下命令进行安装：

pip install PyPDF2 pdfplumber

代码示例

我们将创建一个程序，读取指定目录中的所有 PDF 文件，并替换文本。这是一个简单的示例，主要用于展示如何实现这一功能。

import os
import PyPDF2
import pdfplumber

def replace_text_in_pdf(input_pdf_path, output_pdf_path, replacements):
    """在指定的 PDF 文件中替换文本并保存为新文件。

    参数：
        input_pdf_path: 输入 PDF 文件路径
        output_pdf_path: 输出新 PDF 文件的路径
        replacements: 字典，键为需要替换的文本，值为替换成的文本
    """
    with pdfplumber.open(input_pdf_path) as pdf:
        new_pdf = PyPDF2.PdfWriter()

        for page in pdf.pages:
            text = page.extract_text()

            if text:
                for old_text, new_text in replacements.items():
                    text = text.replace(old_text, new_text)

                # 创建新页面
                new_page = PyPDF2.pdf.PageObject.createBlankPage(width=page.width, height=page.height)
                new_page.merge_page(PyPDF2.pdf.PageObject.createFromText(text))
                new_pdf.add_page(new_page)

        # 写入文件
        with open(output_pdf_path, "wb") as output_pdf:
            new_pdf.write(output_pdf)

def batch_replace_text_in_pdfs(input_dir, output_dir, replacements):
    """批量替换目录中的 PDF 文件中的文本。

    参数：
        input_dir: 输入文件夹路径
        output_dir: 输出文件夹路径
        replacements: 字典，键为需要替换的文本，值为替换成的文本
    """
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

    for filename in os.listdir(input_dir):
        if filename.endswith('.pdf'):
            input_pdf_path = os.path.join(input_dir, filename)
            output_pdf_path = os.path.join(output_dir, filename)

            print(f"正在处理文件: {filename}")
            replace_text_in_pdf(input_pdf_path, output_pdf_path, replacements)
            print(f"已生成文件: {output_pdf_path}")

if __name__ == "__main__":
    # 指定需要替换的文本
    replacements = {
        '旧文本1': '新文本1',
        '旧文本2': '新文本2',
    }

    input_directory = 'path/to/input_directory'  # 输入文件夹路径
    output_directory = 'path/to/output_directory'  # 输出文件夹路径

    batch_replace_text_in_pdfs(input_directory, output_directory, replacements)

代码解析

1. 导入库：我们导入了 os、PyPDF2 和 pdfplumber，分别用于文件操作、PDF 操作和文本提取。

2. replace_text_in_pdf 函数：该函数接收输入 PDF 文件路径、输出 PDF 文件路径和替换文本的字典。它首先打开 PDF 文件，然后逐页提取文本并进行文字替换，最后将新生成的页面写入输出文件。

3. batch_replace_text_in_pdfs 函数：该函数遍历指定的输入目录，找到所有的 PDF 文件，并调用 replace_text_in_pdf 函数进行处理。它确保输出目录存在，如果不存在则创建。

4. 主程序：在主程序中，我们定义了需要替换的文本，并指定输入和输出文件夹路径，最后调用批量处理函数。

总结

通过上述代码，我们可以快速实现批量替换 PDF 中的文本。这仅是一个简单示例，实际应用中可能需要处理更多的细节，例如保留原始格式、执行复杂的文本替换等。希望这对你有所帮助，并激励你在此基础上进行更深入的开发。