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#

bash

# OpenClaw 一键安装
clawhub install newclaw-pdf-text-replace

# 核心依赖（必须）
pip3 install pypdf pdfplumber fonttools pdf2image Pillow
brew install poppler    # macOS

# 可选依赖（按需启用高级功能）
pip3 install pikepdf           # L6: 解密加密 PDF
pip3 install paddleocr         # L5: OCR 扫描件替换（首选）
pip3 install opencv-python     # L5: OCR 图像预处理
pip3 install 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paddleocr + 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#

bash

# 基础替换
python3 scripts/pdf_text_replace.py input.pdf "旧文字" "新文字"

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

# L4: 修改颜色（红色）
python3 scripts/pdf_text_replace.py input.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 input.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 scan.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#

python

from scripts.pdf_text_replace import replace_text

# 基础用法
replace_text("input.pdf", "2025", "2026", "output.pdf")

# 带样式（L4）
replace_text(
    "input.pdf", "Draft", "Final", "output.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("scan.pdf", "old", "new", force_ocr=True)

自动策略选择流程#

text

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 fontTools 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/bottom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#

text

pdf-text-replace/
├── SKILL.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_decrypt.py       # L6: 加密解密
└── references/
    └── cmap-encoding-guide.md