Spring Boot中使用Apache PDFBox修改PDF指定文本无效果求助

你的代码能正常运行但无法修改PDF文本，核心问题是你只修改了从PDF中提取出的字符串，并没有把修改后的内容写回原PDF文档。PDFTextStripper只是用来读取PDF文本的工具，和PDF的实际内容存储完全无关，修改它提取出的字符串不会对PDF文件有任何影响。

具体错误点： #

• 你通过stripper.getText(document)提取文本后，修改了texte变量，但这个变量只是内存中的字符串，和加载的PDDocument对象没有关联。
• 后续调用stripper.getText(document)只是再次读取文本，没有任何修改PDF的作用，直接保存原文档自然看不到变化。

修复方案： #

要修改PDF中的文本，需要遍历PDF页面的内容流，找到文本绘制操作（如Tj、TJ操作符），替换其中的目标文本。以下是修正后的PdfProcessingService代码：

import org.apache.pdfbox.cos.*;
import org.apache.pdfbox.io.IOUtils;
import org.apache.pdfbox.pdfwriter.ContentStreamWriter;
import org.apache.pdfbox.pdmodel.*;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.util.PDFStreamParser;

import java.io.*;
import java.nio.charset.StandardCharsets;
import java.util.List;
import java.util.Map;

public class PdfProcessingService {

    public boolean rechercherEtRemplacerPDF(String filePath, String recherche, String remplacement) {
        try (PDDocument document = PDDocument.load(new File(filePath))) {
            // 遍历所有页面处理文本
            for (PDPage page : document.getPages()) {
                processPageContent(page, recherche, remplacement);
            }
            document.save("/home/mohamed/Downloads/nouveau_fichier.pdf");
            System.out.println("文本替换完成");
            return true;
        } catch (IOException e) {
            e.printStackTrace();
            System.out.println("处理出错");
            return false;
        }
    }

    private void processPageContent(PDPage page, String recherche, String remplacement) throws IOException {
        PDStream contents = page.getContents();
        if (contents == null) return;

        PDFStreamParser parser = new PDFStreamParser(contents);
        parser.parse();
        List<Object> tokens = parser.getTokens();

        for (int i = 0; i < tokens.size(); i++) {
            Object token = tokens.get(i);
            // 处理单个文本操作符Tj
            if (token instanceof Operator && ((Operator) token).getName().equals("Tj")) {
                COSString textString = (COSString) tokens.get(i - 1);
                String originalText = textString.getString();
                if (originalText.contains(recherche)) {
                    String newText = originalText.replace(recherche, remplacement);
                    textString.setValue(newText.getBytes(StandardCharsets.UTF_8));
                }
            }
            // 处理文本数组操作符TJ
            else if (token instanceof Operator && ((Operator) token).getName().equals("TJ")) {
                COSArray textArray = (COSArray) tokens.get(i - 1);
                for (int j = 0; j < textArray.size(); j++) {
                    Object arrayItem = textArray.getObject(j);
                    if (arrayItem instanceof COSString) {
                        COSString textString = (COSString) arrayItem;
                        String originalText = textString.getString();
                        if (originalText.contains(recherche)) {
                            String newText = originalText.replace(recherche, remplacement);
                            textString.setValue(newText.getBytes(StandardCharsets.UTF_8));
                        }
                    }
                }
            }
        }

        // 将修改后的内容写回页面
        PDStream newStream = new PDStream(page.getDocument());
        try (OutputStream out = newStream.createOutputStream(COSName.FLATE_DECODE)) {
            ContentStreamWriter writer = new ContentStreamWriter(out);
            writer.writeTokens(tokens);
        }
        page.setContents(newStream);
    }
}

额外说明： #

• 上述代码处理了PDF中两种最常见的文本绘制操作符Tj（单个文本块）和TJ（文本数组），覆盖了大多数普通PDF的文本替换场景。
• 如果你的PDF存在文本被拆分、使用加密字体或复杂布局的情况，可能需要额外适配，但当前代码足以解决你的基础替换需求。
• 使用try-with-resources语法自动管理PDDocument资源，避免内存泄漏。

内容的提问来源于stack exchange，提问作者mido med