caractères d'échappement pour la substitution dans un fichier PDF

Question

Quelqu'un peut-il me dire l'ensemble des caractères de contrôle pour un fichier PDF, et comment les échapper? J'ai un document PDF (non-dégonflé (gonflé?)) Dans lequel je voudrais éditer le texte, mais j'ai peur de faire accidentellement une séquence de contrôle en utilisant des parenthèses et d'autres choses.

Merci.

Answer 1

D'accord, je pense que je l'ai trouvé. À la page 15 du PDF 1.7 spec (lien PDF), il semble que les seuls caractères dont j'ai besoin de m'inquiéter sont les parenthèses et la barre oblique inverse.

 
Sequence | Meaning 
--------------------------------------------- 
\n  | LINE FEED (0Ah) (LF) 
\r  | CARRIAGE RETURN (0Dh) (CR) 
\t  | HORIZONTAL TAB (09h) (HT) 
\b  | BACKSPACE (08h) (BS) 
\f  | FORM FEED (FF) 
\(  | LEFT PARENTHESIS (28h) 
\)  | RIGHT PARENTHESIS (29h) 
\\  | REVERSE SOLIDUS (5Ch) (Backslash) 
\ddd  | Character code ddd (octal) 

Espérons que cela a été utile à quelqu'un.

Answer 2

Vous le savez probablement déjà, mais les fichiers PDF ont un index à la fin qui contient des offsets octets à tout dans le document. Si vous modifiez le document à la main, vous devez vous assurer que le nouveau texte que vous écrivez a exactement le même nombre de caractères que l'original.

Si vous voulez extraire le contenu d'une page PDF et l'éditer, c'est assez simple. Ma bibliothèque CAM::PDF vous permet de le faire par programme ou la ligne de commande:

use CAM::PDF; 
my $pdf = CAM::PDF->new($filename); 
my $page_content = $pdf->getPageContent($pagenum); 
# ... 
$pdf->setPageContent($pagenum, $page_content)l 
$pdf->cleanoutput($out_filename); 

ou

getpdfpage.pl in.pdf 1 > page1.txt 
setpdfpage.pl in.pdf page1.txt 1 out.pdf