Como visualizar e editar o código de um arquivo PDF

Eu queria saber como visualizar e editar o código de um arquivo PDF?

1. Ao visualizar, não quero ver o formato binário, então acho que hexdumppode não ser o que quero. Eu tentei gedit, mas nenhum método de codificação pode ser usado para decodificar o conteúdo do PDF.

2. Ao editar, gostaria de procurar /Fite alterá-los para, /XYZpor exemplo, sed. Mas meu comando sed s/\/Fit/\/XYZ/ < 1.pdf > 2.pdfparece não alterar a aparência do meu PDF como eu esperava, embora não relate nenhum erro. Eu queria saber se sedpode realmente funcionar em arquivos PDF como se fossem texto sem formatação?

O contexto das minhas perguntas pode ser encontrado nesta pergunta . Meu sistema operacional é o Ubuntu 10.10.

Você pode usar sedcom arquivos binários (pelo menos GNU sed; algumas implementações podem ter problemas com arquivos que contêm caracteres nulos ou que não terminam com um caractere de nova linha). Mas o comando que você usou substitui apenas a primeira ocorrência de /Fitcada linha, e as linhas são praticamente sem sentido em um arquivo PDF. Você precisa substituir todas as ocorrências:

 sed s/\/Fit/\/XYZ/g

Seria mais robusto substituir apenas /Fitse não for seguido por um constituinte de palavras (por exemplo, não substituindo /Fitness; não sei se o seu arquivo contém ocorrências /Fitque causariam problemas). Aqui está uma maneira:

perl -pe 's!/Fit\b!/XYZ!g'

Em relação à sua 1ª pergunta ("visualizando o código-fonte, mas não o binário"): existem algumas opções que você tem para descompactar os fluxos binários internos que estão anexados a muitos objetos.

Minha ferramenta favorita para isso é o QPDF , disponível em todas as principais plataformas de sistemas operacionais. O comando a seguir descompacta todos os fluxos e todos os fluxos de objetos:

 qpdf --qdf --object-streams=disable orig.pdf expanded.pdf

Agora você pode abrir seu PDF em qualquer editor de texto. (Ainda pode haver alguns blobs binários: por exemplo, arquivos de fonte e perfis ICC, o que não faria sentido expandir o QPDF).

Para re-comprimir o expanded.pdfnovamente após a edição, você pode executar:

 qpdf expanded.pdf orig2.pdf

(Cuidado ao editar PDFs manualmente! Você precisa saber muito sobre a sintaxe interna deles para fazer isso corretamente. Assim que você adicionar ou excluir um único byte, poderá receber mensagens de erro de leitores de PDF que talvez não consigam mais abra-o, porque o sumário interno do PDF está corrompido, o que é baseado em cálculos de desvio de bytes. A substituição Fitpor XYZseqüências de caracteres deve funcionar bem ...)

sedé orientado a linhas, o que o torna inadequado para arquivos binários, estruturados como blocos e não linhas.
Tente usar o bbe (bbe-.sourceforge.net).

Como alternativa, o Emacs (GNU e XEmacs) e o vim abrem arquivos PDF sem problemas. É claro que não é muito bonito, pois é um texto misto e binário, mas é suficiente para os propósitos de edição.
Existe um plugin Pdftk para vim que facilita tudo, faça o download aqui (arquivo zip).
Como você provavelmente sabe, os dois editores acima têm recursos avançados de pesquisa e substituição.

Além disso, a conversão do PDF para o modo QDF antes facilita a edição de arquivos PDF.

Use o LibreOffice ou o OpenOffice para abrir o PDF, visualizá-lo, substituir itens, escrever um novo PDF, etc. Acho que você pode usá-lo a partir da linha de comando ou programaticamente se houver muitos documentos para processar.

Observe que PDFs de algumas fontes, por exemplo, scanners, geralmente contêm as páginas como imagens e não como texto, para que você não tenha sorte com o uso de pesquisa e substituição.