使用 Python 替换 PDF 中的文本

此页面展示了如何使用 Aspose.PDF for Python via .NET 使用 Python 替换 PDF 中的文本。

当您需要更新文本值、删除不需要的内容、在特定页面区域替换文本，或在多个 PDF 页面上应用文本替换规则时，请使用这些示例。

使用 Python 替换 PDF 中的文本

在 PDF 文档的所有页面上替换文本

您可以尝试使用 Aspose.PDF 在线进行文本搜索和替换编辑隐藏应用.

文本替换是在更新或纠正现有 PDF 文档内容时的常见需求——例如，修改产品名称、修正拼写错误，或在多个页面中更新术语。

Aspose.PDF for Python via .NET 提供了一种强大且高效的方法，可通过编程方式搜索和替换文本 TextFragmentAbsorber 类。

本例演示了如何在整个 PDF 文档中查找特定短语的所有出现位置（在本例中为“Black cat”），并将其替换为新短语（“White dog”）。

指定搜索和替换短语。设置您想要查找的文本以及要替换的文本。
加载 PDF 文档。
创建 Text Absorber。TextFragmentAbsorber 使用搜索短语进行初始化。它扫描文档中所有给定短语的实例。
将吸收器应用于所有页面。这将在所有页面上遍历并收集与该短语匹配的文本片段。
替换每个找到的片段。每个出现的“Black cat”都应更改为“White dog”。
保存已更新的 PDF。

import sys
import aspose.pdf as ap
from os import path

def replace_text_on_all_pages(infile, outfile):
    search_phrase = "PDF"
    replace_phrase = "pdf"

    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber(search_phrase)
        document.pages.accept(absorber)

        for fragment in absorber.text_fragments:
            fragment.text = replace_phrase

        document.save(outfile)

在特定页面区域替换文本

有时，您可能只需要在 PDF 页面中的特定区域内替换文本，而不是搜索整个文档——例如，更新已知位置的页眉、页脚或表格单元格。

Aspose.PDF for Python via .NET 库通过利用实现此功能 TextFragmentAbsorber 与基于区域的文本搜索相结合。

本示例演示了如何在特定页面的指定矩形区域内查找并替换目标短语的所有出现。

指定搜索和替换短语。
加载 PDF 文档。
创建一个 Text Absorber 用于搜索。初始化一个 TextFragmentAbsorber 来查找所需的文本。
限制搜索区域。矩形指定页面上的 x 和 y 坐标限制。
将 Absorber 应用于特定页面。这将在指定区域执行搜索并收集匹配的文本片段。
替换已找到的文本。在定义的区域内，所有出现的 ‘doc’ 都将变为 ‘DOC’。
保存已更新的 PDF。

import sys
import aspose.pdf as ap
from os import path

def replace_text_in_particular_page_region(infile, outfile):
    search_phrase = "doc"
    replace_phrase = "DOC"

    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber(search_phrase)
        absorber.text_search_options.limit_to_page_bounds = True
        absorber.text_search_options.rectangle = ap.Rectangle(300, 442, 500, 742, True)
        document.pages[1].accept(absorber)

        for fragment in absorber.text_fragments:
            fragment.text = replace_phrase

        document.save(outfile)

在不更改字体大小的情况下调整和移动文本

在 PDF 中替换文本时，有时您希望在不修改字体大小的情况下，将新文本适配或重新定位到特定区域内。 Aspose.PDF for Python via .NET 提供了在保持原始字体大小不变的情况下调整文本布局和间距的选项。

加载 PDF 文档。
使用 ‘TextFragmentAbsorber’ 收集页面上的所有文本片段。
选择要修改的片段。
平移并调整文本矩形的大小。
调整文字间距。启用间距调整以使文本适应修改后的矩形。
替换片段文本。
保存已更新的 PDF。

import sys
import aspose.pdf as ap
from os import path

def replace_text_and_resize_and_shift_without_changing_font_size(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.visit(document.pages[1])
        fragment = absorber.text_fragments[1]
        text = fragment.text
        rect = fragment.rectangle
        rect.llx += 50
        rect.urx -= 50
        fragment.replace_options.rectangle = rect
        fragment.replace_options.replace_adjustment_action = (
            ap.text.TextReplaceOptions.ReplaceAdjustment.ADJUST_SPACE_WIDTH
        )
        fragment.text = f"{text} {text}"
        document.save(outfile)

在 PDF 中调整段落大小并移动

在处理 PDF 时，有时需要替换或扩展段落，同时保持其在页面布局中的视觉对齐。Aspose.PDF 允许您调整段落的边界矩形大小并调整间距以适应新文本，且无需更改字体大小。

加载 PDF 文档。
使用 ‘TextFragmentAbsorber’ 收集页面上的所有文本片段。
选择要修改的片段。
调整段落的大小和位置。使用页面的媒体框来确定边界并调整矩形。
调整间距。此操作修改单词/字母之间的间距，而不是更改字体大小。
替换片段文本。
保存已修改的 PDF。

import sys
import aspose.pdf as ap
from os import path

def replace_text_and_resize_and_shift_paragraph(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.visit(document.pages[1])
        fragment = absorber.text_fragments[1]
        text = fragment.text
        rect = document.pages[1].media_box
        rect.llx += 20
        rect.urx -= 20
        rect.ury -= 20
        fragment.replace_options.rectangle = rect
        fragment.replace_options.replace_adjustment_action = (
            ap.text.TextReplaceOptions.ReplaceAdjustment.ADJUST_SPACE_WIDTH
        )
        fragment.text = f"{text} {text}"
        document.save(outfile)

替换文本并自动扩展字体以填满目标区域

在 PDF 中替换文本，同时自动调整大小并扩展字体以填满特定的矩形区域。使用 Aspose.PDF for Python via .NET 库，代码会动态调整字体大小和间距，使新文本内容恰好适配定义的边界框 —— 无需手动计算字体。

加载 PDF。
捕获文本片段。
选择特定片段。
定义目标矩形。
启用文本调整选项。
替换文本。
保存文档。

import sys
import aspose.pdf as ap
from os import path

def replace_text_and_resize_and_expand_font(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.visit(document.pages[1])
        fragment = absorber.text_fragments[1]
        text = fragment.text
        fragment.replace_options.rectangle = ap.Rectangle(100, 300, 512, 692, True)
        fragment.replace_options.replace_adjustment_action = (
            ap.text.TextReplaceOptions.ReplaceAdjustment.ADJUST_SPACE_WIDTH
        )
        fragment.replace_options.font_size_adjustment_action = (
            ap.text.TextReplaceOptions.FontSizeAdjustment.SCALE_TO_FILL
        )
        fragment.text = f"{text} {text}"
        document.save(outfile)

替换文本并将其适配到矩形中

在 PDF 文档中替换文本，同时通过在需要时自动减小字体大小，确保新内容适应原始文本的矩形区域。

使用 Aspose.PDF for Python via .NET 库，此函数动态调整文本布局和字体大小，保留文档结构并防止溢出。

创建一个 TextFragmentAbsorber 对象以提取第一页中的所有文本片段。
访问特定文本片段。
设置替换区域。
配置文本调整选项。设置两个关键的替换选项：
- 字体大小调整 - ‘SHRINK_TO_FIT’ 如果新文本太长，将自动减少字体大小。
- 间距调整 - ‘ADJUST_SPACE_WIDTH’ 保持间距比例。
替换文本。
保存已修改的 PDF。

import sys
import aspose.pdf as ap
from os import path

def replace_text_and_fit_text_into_rectangle(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.visit(document.pages[1])
        fragment = absorber.text_fragments[1]
        text = fragment.text
        fragment.replace_options.rectangle = fragment.rectangle
        fragment.replace_options.font_size_adjustment_action = (
            ap.text.TextReplaceOptions.FontSizeAdjustment.SHRINK_TO_FIT
        )
        fragment.replace_options.replace_adjustment_action = (
            ap.text.TextReplaceOptions.ReplaceAdjustment.ADJUST_SPACE_WIDTH
        )
        fragment.text = f"{text} {text}"
        document.save(outfile)

自动替换占位符文本并重新排列 PDF 布局

将 PDF（例如模板或表单）中的占位符文本替换为实际数据，例如姓名或公司信息。它会自动调整页面布局以适应新文本，同时应用自定义格式（字体、颜色、大小）。

导入并加载 PDF。
为占位符创建 Text Absorber。
将吸收器应用于所有页面。
遍历已找到的 TextFragment。
应用自定义文本格式化。
保存已更新的文档。

import sys
import aspose.pdf as ap
from os import path

def automatically_rearrange_page_contents(input_file, output_file):
    document = ap.Document(input_file)

    absorber = ap.text.TextFragmentAbsorber("[Long_placeholder_Long_placeholder]")
    document.pages.accept(absorber)

    for text_fragment in absorber.text_fragments:
        # text_fragment.text = "John Smith"
        text_fragment.text = "John Smith, South Development Studio"
        text_fragment.text_state.font = ap.text.FontRepository.find_font("Calibri")
        text_fragment.text_state.font_size = 12
        text_fragment.text_state.foreground_color = ap.Color.navy

    # Save PDF document
    document.save(output_file)

基于正则表达式替换文本

在处理 PDF 文档时，您可能需要替换符合特定模式的文本，而不是特定的短语——例如，电话号码、代码或类似日期的格式。

Aspose.PDF for Python via .NET 允许您使用 TextFragmentAbsorber 类结合正则表达式（regex）执行此类替换。

本示例演示了如何查找文本模式（在本例中，匹配格式 ####-#### 的任意文本，例如 1234-5678），并将其替换为格式化字符串 ‘ABC1-2XZY’。它还展示了如何自定义替换后文本的字体、颜色和大小。

以下代码片段向您展示如何基于正则表达式替换文本。

加载 PDF 文档。
创建一个基于正则表达式的 Text Absorber。使用正则表达式模式初始化 TextFragmentAbsorber。
启用正则表达式模式。‘True’ 参数激活正则表达式搜索模式。
将 Absorber 应用于页面。此操作会扫描页面中所有匹配定义的正则表达式模式的文本片段。
将每个匹配项替换为新文本并应用自定义样式。
保存已修改的文档。

import sys
import aspose.pdf as ap
from os import path

def replace_text_based_on_regex(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber(r"\d{4}-\d{4}")
        absorber.text_search_options = ap.text.TextSearchOptions(True)
        document.pages[1].accept(absorber)

        for fragment in absorber.text_fragments:
            fragment.text = "ABC1-2XZY"
            fragment.text_state.font = ap.text.FontRepository.find_font("Verdana")
            fragment.text_state.font_size = 12
            fragment.text_state.foreground_color = ap.Color.blue
            fragment.text_state.background_color = ap.Color.light_green

        document.save(outfile)

替换字体或移除未使用的字体

替换现有 PDF 文件中的字体

有时，您需要在 PDF 中统一或更新字体——例如，将过时或专有的字体替换为更易获取的字体。Aspose.PDF for Python via .NET 库允许您以编程方式检测和替换字体，确保排版一致性和文档兼容性。

此示例演示如何在 PDF 文档中将所有特定字体（例如 ‘Arial-BoldMT’）替换为另一种字体（例如 ‘Verdana’）。

以下代码片段展示了如何替换 PDF 文档中的字体：

打开 PDF 文档。
初始化 TextFragmentAbsorber。
使用 Absorber 从文档的每一页中提取文本片段。
识别并替换字体。脚本检查片段的当前字体是否为 ‘Arial-BoldMT’。如果为真，它使用 FontRepository.find_font() 方法将其替换为 ‘Verdana’ 字体。
保存已修改的文档。

import sys
import aspose.pdf as ap
from os import path

def replace_fonts(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        document.pages.accept(absorber)

        for fragment in absorber.text_fragments:
            if fragment.text_state.font.font_name == "Arial-BoldMT":
                fragment.text_state.font = ap.text.FontRepository.find_font("Verdana")

        document.save(outfile)

删除未使用的字体

随着时间的推移，PDF 文档可能会累积未使用或已嵌入的字体，这会增加文件大小并减慢处理速度。这些未使用的字体即使在文本编辑或替换后仍然存在，尤其是在处理大型或复杂的 PDF 时。

Aspose.PDF for Python via .NET 库提供了一种高效的方法，可使用 TextEditOptions 类删除此类冗余字体。这不仅优化了您的文档，还确保仅使用实际应用于可见文本的字体。

‘remove_unused_fonts()’ 方法是一种简单而强大的方式，通过移除冗余的字体数据来优化 PDF 文件。

本示例演示如何：

扫描 PDF 中未使用的字体。
安全地删除它们。
将活动文本片段重新分配为一致的字体（例如，Times New Roman）。

打开 PDF 文档。
配置文本编辑选项。这指示引擎删除当前在可见文本中未使用的任何嵌入字体。
创建带有选项的 Text Absorber。TextFragmentAbsorber 用于从文档中提取文本片段以进行编辑。
重新分配标准字体。一旦吸收器收集了所有片段，遍历它们并应用统一的字体。
保存清理后的 PDF。

import sys
import aspose.pdf as ap
from os import path

def remove_unused_fonts(input_file, output_file):
    # Open PDF document
    document = ap.Document(input_file)

    # Initialize text edit options to remove unused fonts
    options = ap.text.TextEditOptions(
        ap.text.TextEditOptions.FontReplace.REMOVE_UNUSED_FONTS
    )

    # Create a TextFragmentAbsorber with the specified options
    absorber = ap.text.TextFragmentAbsorber(options)
    document.pages.accept(absorber)

    # Iterate through all TextFragments
    for text_fragment in absorber.text_fragments:
        text_fragment.text_state.font = ap.text.FontRepository.find_font(
            "TimesNewRoman"
        )

    # Save the updated PDF document
    document.save(output_file)

删除所有文本

从 PDF 中移除文本

从 PDF 文件中删除所有文本内容，同时保持图像、形状和布局结构完整。通过使用 TextFragmentAbsorber，代码高效地扫描整个文档，并删除每页上找到的所有文本片段。

加载 PDF 文档。
创建了一个 TextFragmentAbsorber 对象，用于检测和处理 PDF 中的文本片段。
移除所有文本内容。方法 ‘absorber.remove_all_text()’ 从已加载的文档中删除每个文本元素，保留非文本组件不变。
保存已更新的文档。

import sys
import aspose.pdf as ap
from os import path

def remove_all_text_using_absorber1(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.remove_all_text(document)
        document.save(outfile)

删除特定页面上的所有文本

使用 Aspose.PDF 中的 TextFragmentAbsorber 类从 PDF 文档的单页中删除所有文本。与完整文档的删除不同，此方法执行页面级文本清理，仅从所选页面删除文本，其他页面保持不变。

加载 PDF 文件。
创建一个 TextFragmentAbsorber 实例。
从第一页删除所有文本。
保存已修改的 PDF。

import sys
import aspose.pdf as ap
from os import path

def remove_all_text_using_absorber2(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.remove_all_text(document.pages[1])
        document.save(outfile)

从 PDF 页面上的特定区域删除所有文本

使用 Aspose.PDF 的 TextFragmentAbsorber 从页面的特定矩形区域中删除所有文本。此方法并非清除整页，而是执行针对性的文本删除，能够精确控制受影响的页面部分。

加载 PDF 文档。
创建一个 TextFragmentAbsorber。
定义目标区域（矩形）。
从指定区域删除文本。
保留文档的其余部分。
保存已修改的 PDF。

import sys
import aspose.pdf as ap
from os import path

def remove_all_text_using_absorber3(infile, outfile):
    with ap.Document(infile) as document:
        absorber = ap.text.TextFragmentAbsorber()
        absorber.remove_all_text(
            document.pages[1], ap.Rectangle(10, 200, 120, 600, True)
        )
        document.save(outfile)

从 PDF 文档中删除所有隐藏的文本

加载 PDF 文档。
创建一个 TextFragmentAbsorber。
定义目标区域（矩形）。
从指定区域删除文本。
保留文档的其余部分。
保存已修改的 PDF。

import sys
import aspose.pdf as ap
from os import path

def remove_hidden_text(infile, outfile):
    # Open PDF document
    with ap.Document(infile) as document:
        text_absorber = ap.text.TextFragmentAbsorber()
        # This option can be used to prevent other text fragments from moving after hidden text replacement
        text_absorber.text_replace_options = ap.text.TextReplaceOptions(
            ap.text.TextReplaceOptions.ReplaceAdjustment.NONE
        )
        document.pages.accept(text_absorber)
        # Remove hidden text
        for fragment in text_absorber.text_fragments:
            if fragment.text_state.invisible:
                fragment.text = ""
        # Save PDF document
        document.save(outfile)

使用 Python 替换 PDF 中的文本

使用 Python 替换 PDF 中的文本

在 PDF 文档的所有页面上替换文本

在特定页面区域替换文本

在不更改字体大小的情况下调整和移动文本

在 PDF 中调整段落大小并移动

替换文本并自动扩展字体以填满目标区域

替换文本并将其适配到矩形中

自动替换占位符文本并重新排列 PDF 布局

基于正则表达式替换文本

替换字体或移除未使用的字体

替换现有 PDF 文件中的字体

删除未使用的字体

删除所有文本

从 PDF 中移除文本

删除特定页面上的所有文本

从 PDF 页面上的特定区域删除所有文本

从 PDF 文档中删除所有隐藏的文本

相关文本主题