将PDF文本转换为大纲？

有人知道如何将PDF文档中的文本矢量化吗？也就是说，我希望每个字母都是一个形状/轮廓，没有任何文本内容。我使用的是Linux系统，最好是开源或非Windows解决方案

上下文：我正在尝试编辑一些旧的PDF，我已经没有这些字体了。我想在Inkscape中这样做，但这将用通用字体替换所有字体，而且几乎不可读。我也一直在使用

pdf2ps

和

ps2pdf

来回转换，但字体信息仍保留在那里。因此，当我将它加载到Inkscape中时，它仍然看起来很糟糕

---

有什么想法吗？谢谢。

我担心要将PDF矢量化，您仍然需要原始字体（或大量工作）

我想到了一些可能性：

• 使用

  pdftk

  转储未压缩的PDF，找出字体名称，然后在FontMonster或字体服务上查找它们

• 为了保持字距（我猜字距和对齐是导致文本不可读的原因），使用一些字体来与字体紧密匹配

• 尝试（再次

  pdftk

  将PDF转换为可使用

  sed

  编辑的PDF。此编辑将破坏PDF，但

  pdftk

  将能够将损坏的PDF重新压缩为可用的PDF）

---

以下是您真正想要的-字体替换。您希望一些代码/应用程序能够遍历文件并对嵌入的字体进行适当的更改
这项任务是可行的，从简单到不平凡。如果您有一种与文件中字体的度量相匹配的字体，并且用于该字体的编码是合理的，那么就很容易了。您可能可以使用iText或DotPdf（后者在评估之外不是免费的，而且是我公司的产品）。如果您修改了PDF2P，您可能也可以在修改字体的过程中进行管理
如果文件中使用的字体是具有创造性的重新编码的字体子集，那么您将陷入地狱，在进行更改时可能会有各种各样的痛苦。原因如下：
PostScript是在没有Unicode的时候设计的。Adobe使用一个字节作为字符，无论何时渲染任何字符串，要绘制的字形都取自一个名为编码向量的256个条目表。如果一个标准的编码没有你想要的，你会被鼓励根据只在编码上不同的标准字体来动态地制作字体
当Adobe创建Acrobat时，他们希望尽可能容易地从PostScript进行转换，以便对字体机制进行建模。当添加了将字体嵌入到PDF中的功能时，很明显这会使文件膨胀，因此PDF还包括了具有字体子集的功能。字体子集是通过使用现有字体并删除所有不使用的字形，然后将其重新编码到PDF中来创建的。编码向量和文件中的代码点之间可能没有标准关系-所有这些都可能会更改。相反，可能有一个嵌入式PostScript函数/ToUnicode，它将编码字符转换为Unicode表示形式

---

所以，是的，不平凡。
对于那些在我之后的人： 我找到的最好的解决方案是使用evice作为SVG打印，或者使用pdf2svg程序，该程序可以通过Mint上的Synaptic访问。然而，Inkscape无法处理产生的SVG——它进入了一个无限循环，并显示错误消息：

File display/nr-arena-item.cpp第323行（？）：断言项->状态&nr\u arena\u item\u state\BBOX失败

---

我现在放弃这个任务，但也许一两年后我会再试一次。同时，这些解决方案中可能有一种适合您。
要实现这一点，您必须：
• 将您的PDF拆分为单独的页面
• 将PDF页面转换为SVG
• 编辑你想要的页面
• 重新组合页面
这个答案将省略步骤3，因为这是不可编程的
拆分PDF 如果您不希望使用编程方式分割文档，那么现代的方法是使用。在您最喜欢的shell中：

stapler burst file.pdf

将生成

{file_1.pdf，…，file_N.pdf}

，其中

1…N

是pdf页面。订书机本身使用的代码和分割PDF文件不是那么复杂。以下函数用于拆分文件并将各个页面保存在当前目录中。（无耻地从文件中复制）

导入数学
导入操作系统
从PyPDF2导入PdfileWriter、PdfileReader
def拆分（文件名）：
打开（文件名）为inputfp时：
inputpdf=PdfFileReader（inputfp）
base，ext=os.path.splitext（os.path.basename（文件名））
#以零作为输出模板的前缀，以便保留顺序
#（第10页，第09页之后）
输出\u模板=“”。连接([
基础
'_',
'%0',
str（math.ceil（math.log10（inputpdf.getNumPages（））），
“d”，
提取
])
对于范围内的页面（inputpdf.getNumPages（））：
outputpdf=PdfielWriter（）
outputpdf.addPage（inputpdf.getPage（第页））
outputname=输出模板%（第+1页）
以open（outputname，'wb'）作为fp：
outputpdf.write（fp）

将单个页面转换为SVG 现在要将PDF转换为可编辑文件，我可能会使用
如果我们看一下文件，我们可以看到代码原则上没有那么复杂（假设输入文件名在

filename

变量中，输出文件名在

outputname

变量中）。下面是python中的一个最简单的工作示例。它需要以下文件和库：

导入操作系统
进口开罗
进口波普勒
def转换（inputname，outputname）：
#将输入文件名转换为URI，以便
uri='file://'+os.path.abspath（inputname）
Pdfile=
pdf2svg input.pdf output.svg