如何读取或编辑PDF的人类可读格式（操作符/操作数）

你提到的是PDF内容流（Content Stream），这是PDF用来描述页面绘制逻辑的底层指令集，本质是一种栈式编程语言，可读性虽差，但针对特定文本修改、简单图形调整这类任务，直接操作内容流确实比调用高层API更高效。

你给出的示例就是一段典型的内容流指令：

BT
    /F0 36 Tf
    50 706 Td
    (Hello, World!) Tj
    /F0 12 Tf
    (Hello, Again!) Tj
ET

这段代码的逻辑是：开启文本块（BT），设置字体F0字号36，定位到坐标(50,706)，输出文本"Hello, World!"；接着改字号为12，输出"Hello, Again!"，最后关闭文本块（ET）。

关于PDF文档的可读性范围 #

整个PDF文档并非全部由这类可读文本流构成：

• 页面的绘制指令（文字、路径、图形状态）都以内容流形式存在，是可读的；
• 嵌入字体、图片属于二进制资源，通常会被编码为Base64或直接存储二进制数据，无法直接以可读文本形式编辑；
• 此外PDF还包含文件头、交叉引用表、目录结构、资源字典等元数据部分，部分是可读文本，部分是结构化的二进制数据。

推荐的工具与API #

Java API（优先推荐）

• iText 7：可以直接解析页面的内容流，将指令拆分为可操作的对象，修改后重新生成内容流写入PDF。它提供了完整的内容流处理API，适合批量或程序化修改场景。
• Apache PDFBox：开源免费的PDF处理库，通过PDFStreamEngine子类可以遍历内容流的每一条指令，支持修改指令后重新序列化回PDF，文档和社区资源充足。

GUI工具

• PDFtk：虽然是命令行工具，但支持提取PDF的内容流，修改后再合并回原文档，适合快速的小范围修改。
• Adobe Acrobat Pro：高级版本中可通过JavaScript控制台直接操作内容流指令，也能通过可视化编辑间接修改底层内容流，适合需要可视化辅助的场景。
• Inkscape：支持导入PDF页面，可视化编辑内容后重新导出为PDF，它会自动重新生成内容流，适合不熟悉底层指令的用户。

内容的提问来源于stack exchange，提问作者barneypitt