问删除PDF中的所有文本

EN

通过修改这个How to find and replace text in a existing PDF file with PDFTK (or other command line application)，我能够使用pdftk和sed删除呈现的文本。这肯定不是完全通用的，但它是我需要的一个快速技巧。

我最终得到了：

pdftk my_input.pdf output - uncompress | sed -e 's/\[.*\]TJ/()Tj/' -e 's/(.*)Tj/()TJ/' | pdftk - output my_output.pdf compress

这会将流转换为文本格式，在那里我找到了(blah)Tj和blahTJ的用法，并将它们完全剪掉，然后转换回压缩的二进制。pdftk做了一些魔术来修复输出，使其再次有效，因为原始的未经编辑的输入也是有效的PDF文件，但不是在编辑之后。如果没有一些新的模式，这将不适用于扩展字符。

在Apple Preview中打印pdf似乎可以消除OCR的副作用。再加上Apple Script，你就有了一个自动化的解决方案。

可以在 https://unix.stackexchange.com/questions/171940/how-can-i-convert-a-scanned-pdf-with-ocred-text-to-one-without-ocred-text#answer-181644上看到长长的答案

我简单明了的回答是：

好吧，至于我在这里回答的第一个问题(我在这里花了很多时间寻找答案)，我正在使用ubuntu18.04，我OCRd了一个pdf文件。它看起来很好，但是有了图像..显然，我(也许你也是)使用的ocr建议添加一层文本，这样你就可以在文件中搜索文本……https://github.com/coherentgraphics/cpdf-binaries <--答案所需的二进制文件！

因此，在我对文件执行OCRd之后，我通过以下命令使用了cpdf二进制文件：

"cpdf -draft ./MySourcePDF.pdf -o MyFinalPdf.pdf“

..。从文档中：

“-draft选项从文件中删除位图(照片)图像，以便可以用较少的墨水打印它。也可以选择添加-boxes选项，用一个表示图像所在位置的划线框填充空白区域。这不能保证在所有情况下都是完全可见的(位图可能已被矢量对象部分覆盖或在原始文件中被裁剪)。例如：

cpdf -draft -boxes in.pdf -o out.pdf...“

所以我没有使用-boxes选项。之后，我只需使用LibreOffice抽屉打开文件并将其导出为PDF。实际上，你可以在那里做更多的事情。希望我能帮助别人不要经历我今天所做的事情:8个小时试图修复一个与我分享生活的人的OCR PDF文件…

我最终开始尝试用LibreOffice打开PDF，但过程太快了，电脑变得无法使用。