使用 Java 替换和修改 PDF 文本的方法

在日常工作中，PDF 文件作为一种常用的电子文档格式，广泛应用于合同、报告、说明书等场景。然而，PDF 文档往往在生成后仍然需要进行修改，例如修正拼写错误、更新公司名称或统一日期格式。相比重新制作文档，直接在现有 PDF 文件中替换文本能够大大提高效率。

本文将介绍如何基于 Spire.PDF for Java 库实现对 PDF 文本的替换与修改，涵盖 固定字符串替换 和 基于正则表达式的灵活替换 两种方式。

1. 引入依赖

在使用 Spire.PDF for Java 前，需要在项目中引入库文件。

如果使用 Maven，可以在 pom.xml 中添加依赖：

xml 复制代码

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.pdf</artifactId>
        <version>11.8.3</version>
    </dependency>
</dependencies>

非 Maven 项目则可去 E-iceblue 官网手动下载 jar 包并导入项目中。

2. 加载 PDF 文档

通过 PdfDocument 类即可加载一个 PDF 文件：

typescript 复制代码

import com.spire.pdf.PdfDocument;

public class ReplaceTextInPdf {
    public static void main(String[] args) {
        // 创建 PdfDocument 实例
        PdfDocument pdf = new PdfDocument();

        // 加载 PDF 文件
        pdf.loadFromFile("example.pdf");

        // 后续操作...
    }
}

3. 替换固定字符串

如果待修改的内容是已知的固定字符串，可以通过 PdfTextReplacer.replaceAllText() 方法进行替换。例如，将文档中的"荷塘"替换为"池塘"：

scss 复制代码

// 创建一个 PdfTextReplaceOptions 对象
PdfTextReplaceOptions textReplaceOptions = new PdfTextReplaceOptions();

// 指定文本替换的选项（同时忽略大小写并按全词匹配）
textReplaceOptions.setReplaceType(EnumSet.of(ReplaceActionType.WholeWord));

// 遍历 PDF 文档所有页面
for (int i = 0; i < doc.getPages().getCount(); i++) {
    PdfPageBase page = doc.getPages().get(i);

    // 根据页面创建一个 PdfTextReplacer 对象
    PdfTextReplacer textReplacer = new PdfTextReplacer(page);

    // 设置替换选项
    textReplacer.setOptions(textReplaceOptions);

    // 将所有目标文本实例替换为新文本
    textReplacer.replaceAllText("荷塘", "池塘");
}

// 将文档保存到不同的 PDF 文件
doc.saveToFile("out.pdf");

// 释放资源
doc.dispose();

这种方式适用于需要批量替换某个明确词语的场景，比如公司名称、产品型号或合同编号。

4. 使用正则表达式替换文本

在实际工作中，替换目标可能并不是一个固定的字符串，而是符合某种模式的文本。例如：

• 批量修改日期格式；
• 替换所有手机号为脱敏格式；
• 统一数据单位。

这类需求可以结合正则表达式来实现。

下面的示例展示了如何使用正则表达式替换 PDF 中的文本：

scss 复制代码

// 创建一个 PdfTextReplaceOptions 对象
PdfTextReplaceOptions textReplaceOptions = new PdfTextReplaceOptions();

// 将替换类型设置为 Regex
textReplaceOptions.setReplaceType(EnumSet.of(ReplaceActionType.Regex));

// 获取特定页面（这里获取第1页，索引为0）
PdfPageBase page = doc.getPages().get(0);

// 根据页面创建一个 PdfTextReplacer 对象
PdfTextReplacer textReplacer = new PdfTextReplacer(page);

// 设置替换选项
textReplacer.setOptions(textReplaceOptions);

// 指定正则表达式
String regularExpression = "荷.月";

// 将所有匹配正则表达式的目标文本替换为新文本
textReplacer.replaceAllText(regularExpression, "池塘花");

// 将文档保存到新的 PDF 文件
doc.saveToFile("out.pdf");

// 释放资源
doc.dispose();

借助正则表达式，可以灵活处理各种非固定文本的替换需求，例如批量调整日期、统一格式、脱敏处理等。

5. 注意事项

在进行 PDF 文本替换时，需要注意以下几点：

文本是否可编辑：如果 PDF 中的内容是扫描件或以图片形式存在，则无法直接替换。此时需要先通过 OCR（光学字符识别）将内容转换为可编辑文本。
替换后的排版：虽然库会尽量保持原有字体、大小和样式，但在某些情况下（如文本长度变化较大或字体不支持目标字符），可能会导致排版错位或换行异常。
替换范围控制：可以通过指定页面或页面范围来控制替换范围，避免对整个文档进行全局替换造成意外修改。
正则表达式使用：当使用正则表达式进行文本替换时，要确保表达式正确且不会匹配到不希望替换的文本，以免造成数据错误。
性能与文档大小：对于大型 PDF 文档，批量替换可能会消耗较多内存和时间，建议分批处理或在服务器端进行优化处理。

6. 实际应用场景

结合固定字符串替换和正则替换，常见的实际应用包括：

合同修改：批量更新公司名称或合同编号。
报告更新：统一日期、数值或计量单位。
隐私保护：通过正则替换手机号、邮箱、身份证号等敏感信息为脱敏内容。
品牌升级：替换旧品牌名称或标语，保持文档一致性。

7. 总结

通过 Spire.PDF for Java，开发者可以在 PDF 文档中灵活地查找和替换文本。无论是简单的固定字符串替换，还是基于正则表达式的复杂文本修改，都能高效完成。这种方法既避免了重新生成 PDF 的繁琐操作，也为批量文档的维护提供了高效解决方案。