如何将 PDF 二进制部分转换为 ASCII/ANSI，以便我可以在文本编辑器中查看它？

Question

大多数 PDF 在一些 ASCII 之间包含许多看起来二进制的部分。但我记得也见过 PDF，其中大体上不存在此类二进制部分，人们可以在文本编辑器中打开它们来研究它们的结构。

是否有技巧、工具或命令可以将二进制 PDF 部分转换为 ASCII/ANSI？ （最好是“像啤酒一样自由”甚至“像自由一样自由”）

Answer 1

[更新于 2014-10-15]

使用 Ghostscript

Ghostscript 在其源代码存储库中有一个用 PostScript 编写的小型实用程序。它的名称为pdfinflt.ps。如果幸运的话，它可能已经休眠在 Ghostscript 安装位置的“toolbin”子目录中。否则，请在此处获取：

• http://svn.ghostscript.com/ghostscript /trunk/gs/toolbin/pdfinflt.ps

现在，通过 Ghostscript 解释器将其与目标输入 PDF 一起运行：

gswin32c.exe -- c:/path/to/pdfinflt.ps your-input.pdf deflated-output.pdf

pdfinflt.ps 将（尝试）展开包含在中的所有“流”使用以下压缩过滤器/方法的 PDF：/FlateDecode、/LZWDecode、/ASCII85Decode、/ASCIIHexDecode 。

它不会尝试删除 /RunLengthDecode、/CCITTFaxDecode、/DCTDecode、/JBIG2Decode 和 / JPXDecode。 （压缩/二进制字体也将原封不动地传递到输出 PDF 中。）

如果您有冒险精神，您可能敢于取消注释实用程序中禁用 /RunLengthDecode、/DCTDecode 的那些行 和 CCITTFaxDecode 并查看它是否仍然有效...

---

使用 qpdf

将 PDF 转换为允许文本编辑器访问的内部格式的另一个有用工具是 qpdf。它是一个“对 PDF 文件进行结构性、内容保留转换的命令行程序”。

用法示例：

 qpdf                                  \
   --qdf                               \
   --object-streams=disable            \
     input-with-compressed-objects.pdf \
     output-with-expanded-objects.pdf

1. --qdf 开关强制执行的 QDF 模式的输出可以整齐地组织和重新排序对象。它添加注释来跟踪原始对象 ID 和页面内容流。所有对象字典都写入“标准化”标准格式，以便于解析。

2. --object-streams=disable 导致提取（否则无法识别）单个对象，这些对象被压缩到另一个对象的流数据中。

---

使用 mutool

Artifex，Ghostscript，在自由开源软件许可下提供另一个可用工具：MuPDF。

MuPDF 附带了一个命令行工具 mutool，它还可以扩展压缩的 PDF 对象流：

 mutool        \
    clean      \
   -d          \
   -a          \
    input.pdf  \
    output.pdf \
    4,7,8,9

1. clean： - 编写 PDF；
2. -d：解压缩所有流；
3. -a：ASCIIhex对所有二进制流进行编码；
4. 4,7,8,9：选择第 4、7、8 和 9 页包含在 output.pdf 中。

使用 pdftk

最后，介绍如何使用 pdtk 工具解压缩 PDF 对象的流：

pdftk your-input.pdf cat output uncompressed-output.pdf uncompress

请注意命令行中最后的 uncompress 单词。

---

选择您最喜欢的

以上所有工具均可用于 Linux、Mac OSX、Unix 和 Windows。

对于大多数实际情况，我自己最喜欢的是 QPDF。

但是，您应该自己进行实验并比较每个建议工具的（不同）输出。然后做出你自己的选择。