PDF Text Replace

PDF Text Replace v2.0 - PDF 文字精准替换

在不破坏原始视觉效果的前提下，替换 PDF 中的指定文字。自动检测 PDF 类型并选择最优替换策略，支持加密 PDF、扫描件、样式修改等高级场景。

适用场景 修改证书、合同上的日期、姓名、数字 修正已导出 PDF 中的错别字（原始文件已丢失） 更新加密 PDF 中的内容（需提供密码） 对扫描版 PDF（纯图片）进行 OCR 识别后替换 修改替换文字的颜色、字号、加粗、下划线 安装 # OpenClaw 一键安装 ClawHub 安装 newclaw-pdf-text-replace

# 核心依赖（必须） pip3 安装 pypdf pdfplumber font工具s pdf2image Pillow brew 安装 poppler # macOS

# 可选依赖（按需启用高级功能） pip3 安装 pikepdf # L6: 解密加密 PDF pip3 安装 p添加leocr # L5: OCR 扫描件替换（首选） pip3 安装 opencv-python # L5: OCR 图像预处理 pip3 安装 pymupdf # L4: 样式修改（颜色/字号/粗体）

六级能力体系 级别 能力 依赖 状态 L1 等长直接字节码替换 核心依赖 内置 L2 变长替换（Tz 缩放 / 重排） 核心依赖 内置 L3 跨 Tj 操作符多段文本替换 核心依赖 内置 L4 样式修改（颜色/字号/粗体/下划线） pymupdf 可选 L5 图像型 PDF OCR 替换 p添加leocr + opencv 可选 L6 加密 PDF 解密替换 pikepdf 可选

缺少可选依赖时，工具自动降级到已安装的级别，不会崩溃。

使用方法 命令行 # 基础替换 python3 scripts/pdf_text_replace.py 输入.pdf "旧文字" "新文字"

# 指定输出路径 python3 scripts/pdf_text_replace.py 输入.pdf "2025" "2026" 输出.pdf

# L4: 修改颜色（红色） python3 scripts/pdf_text_replace.py 输入.pdf "草稿" "正式" --color 1,0,0

# L4: 修改字号 + 加粗 + 下划线 python3 scripts/pdf_text_replace.py 输入.pdf "标题" "新标题" --size 18 --bold --underline

# L5: 强制 OCR 模式（扫描件） python3 scripts/pdf_text_replace.py 扫描.pdf "旧" "新" --force-ocr

# L6: 加密 PDF python3 scripts/pdf_text_replace.py secret.pdf "旧" "新" --password mypassword

# 指定页码（从 0 开始） python3 scripts/pdf_text_replace.py multi.pdf "旧" "新" --page 2

AI 自然语言（OpenClaw / Claude Code）

"把这个 PDF 里的'比赛时间：2025年'改成'2026年'" "把加密 PDF（密码 abc123）里的'Draft'改成'Final'，并标红" "这个扫描版证书，把日期从 01/01/2024 改成 01/01/2025"

Python API from scripts.pdf_text_replace 导入 replace_text

# 基础用法 replace_text("输入.pdf", "2025", "2026", "输出.pdf")

# 带样式（L4） replace_text( "输入.pdf", "Draft", "Final", "输出.pdf", color=(1, 0, 0), # 红色 font_size=14, underline=True, )

# 加密 PDF（L6） replace_text("secret.pdf", "old", "new", password="mypassword")

# 扫描件（L5） replace_text("扫描.pdf", "old", "new", force_ocr=True)

自动策略选择流程 输入 PDF ├─ 是否加密？ → L6 解密 ├─ 是否图像型？ → L5 OCR ├─ 文字是否在字体内？ │ ├─ 等长 → L1 直接字节码替换 │ ├─ 变长 → L2 Tz 缩放/重排 │ └─ 多段分布 → L3 跨 Tj 替换 └─ 有样式要求？ → L4 叠加样式层

核心难点：为什么 PDF 文字替换很难？

大多数 PDF 使用内嵌字体子集 + 自定义字节编码（CMap）。"2025" 在 PDF 内部是字形代码如 0x25 0x24 0x25 0x26，不是 ASCII。必须：解析 CMap → 反向编码目标字符 → 在字节流中精确替换，缺失字符还需嵌入新字体子集。

踩坑规则 规则 原因 不用 font工具s 改后重嵌原字体 会损坏字形渲染 缺失字符新建独立字体资源 不碰原始字体 用 pdfplumber 获取精确坐标 每字符 x0/top/x1/机器人tom 视觉样式必须匹配系统字体 Cambria Bold → Georgia Bold 同时验证文本提取 + 视觉渲染 两者可能不一致 文件结构 pdf-text-replace/ ├── 技能.md ├── scripts/ │ ├── pdf_text_replace.py # v2.0 统一入口（本文件） │ ├── v2_l2_varlen.py # L2: 变长替换 │ ├── v2_l3_multitj.py # L3: 跨 Tj 替换 │ ├── v2_l4_style.py # L4: 样式修改 │ ├── v2_l5_ocr.py # L5: OCR 扫描件 │ └── v2_l6_解密.py # L6: 加密解密 └── references/ └── cmap-encoding-图形界面de.md