使用PDFMiner修改PDF字符后无法保存，LTPage转存求助

核心问题 #

PDFMiner是PDF解析/提取工具，而非PDF编辑工具。你修改的LTChar对象只是PDFMiner在内存中解析出的文本结构，并非原生PDF页面数据。PyPDF2、PyMuPDF（fitz）这类编辑工具只识别各自的页面对象（比如PyPDF2的PageObject、fitz的Page），无法直接处理PDFMiner的LTPage，这就是报错的根源。

另外你的PDFMiner代码存在逻辑错误：mostrar_estructura函数里的for elemento in pagina被错误嵌套在递归的elif分支里，会导致重复遍历，修正后的代码如下：

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTContainer, LTChar

def modificar_caracteres(pagina):
    def buscar_ltchar(elemento):
        if isinstance(elemento, LTChar):
            if elemento._text == "O":
                elemento._text = "X"
                print(elemento)
        elif isinstance(elemento, LTContainer):
            for subelemento in elemento:
                buscar_ltchar(subelemento)
    # 遍历页面元素的循环要放在递归函数外面
    for elemento in pagina:
        buscar_ltchar(elemento)

with open("estructura.pdf", "rb") as archivo_pdf:
    for pagina_num, pagina in enumerate(extract_pages(archivo_pdf)):
        print(f"Modificando página {pagina_num + 1}:")
        modificar_caracteres(pagina)

但注意：即使修正后，这个修改也只停留在PDFMiner的解析对象中，无法直接导出为PDF。

可行解决方案：用PyMuPDF（fitz）直接修改文本 #

PyMuPDF是专门用于PDF编辑的库，可以直接定位并替换文本，无需依赖PDFMiner的解析结构，步骤如下：

1. 安装PyMuPDF：

pip install pymupdf

2. 替换文本的代码：

import fitz  # PyMuPDF

# 打开PDF文档
doc = fitz.open("estructura.pdf")

# 遍历每一页
for page in doc:
    # 搜索所有"O"字符，返回匹配的矩形区域
    text_instances = page.search_for("O")
    for inst in text_instances:
        # 获取原文本的字体大小
        orig_text = page.get_textbox(inst)
        fontsize = page.get_text("words", clip=inst)[0][4] if orig_text else 12
        # 用"X"覆盖原字符，匹配原样式
        page.insert_text(
            inst.tl,  # 文本左上角坐标
            "X",
            fontsize=fontsize,
            fontname=page.get_fonts()[0][3],  # 匹配原字体
            color=(0, 0, 0)  # 黑色，可根据原文本调整
        )
        # 标记原区域为待删除，最后统一应用
        page.add_redact_annot(inst)
    page.apply_redactions()

# 保存修改后的PDF
doc.save("estructura_modificada.pdf")
doc.close()

如果需要更精确匹配特定字体、大小的"O"，可以结合PDFMiner解析出的文本属性（字体、位置）辅助定位，但直接用PyMuPDF的search_for已经能满足大部分需求。

备选方案：PDFMiner提取文本+重新生成PDF #

如果必须用PDFMiner解析，需要将修改后的文本重新排版生成PDF，这需要处理字体、位置、排版等细节，复杂度较高，示例用reportlab实现：

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTContainer, LTChar
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

# 提取并修改文本及属性
pagina_datos = []
with open("estructura.pdf", "rb") as archivo_pdf:
    for pagina in extract_pages(archivo_pdf):
        datos = []
        def buscar_ltchar(elemento):
            if isinstance(elemento, LTChar):
                texto = "X" if elemento._text == "O" else elemento._text
                datos.append({
                    "texto": texto,
                    "x": elemento.x0,
                    "y": elemento.y0,
                    "fontname": elemento.fontname,
                    "fontsize": elemento.size,
                    "color": elemento.non_stroking_color
                })
            elif isinstance(elemento, LTContainer):
                for subelemento in elemento:
                    buscar_ltchar(subelemento)
        buscar_ltchar(pagina)
        pagina_datos.append(datos)

# 重新生成PDF（注意PDF坐标从左下角开始）
c = canvas.Canvas("nuevo_estructura.pdf", pagesize=letter)
for datos_pagina in pagina_datos:
    for char in datos_pagina:
        # 设置字体（需确保系统有对应字体）
        c.setFont(char["fontname"], char["fontsize"])
        # 设置颜色（转换为ReportLab RGB格式）
        if isinstance(char["color"], tuple):
            c.setFillColorRGB(*char["color"])
        # 绘制字符
        c.drawString(char["x"], letter[1] - char["y"], char["texto"])
    c.showPage()
c.save()

这种方法需要处理字体兼容性、坐标转换等问题，适合对排版精度要求极高的场景，但一般推荐用PyMuPDF方案更高效。

内容的提问来源于stack exchange，提问作者David Gazpio