如何用Java/Python/JS删除PDF标签ID并修改Language属性？

下面分三种主流语言给出可直接运行的实现方案，都是针对PDF标签结构的底层操作，能精准修改目标属性：

Python 实现（基于PyMuPDF） #

• 先装依赖：pip install pymupdf
• 代码示例：

import fitz

def modify_pdf_tags(input_path, output_path, language="en-US"):
    doc = fitz.open(input_path)
    # 逐个处理页面的标签树
    for page in doc:
        struct_tree = page.get_struct_tree()
        if not struct_tree:
            continue
        
        # 递归遍历所有标签节点，修改属性
        def process_node(node):
            # 删除ID属性
            if "ID" in node:
                del node["ID"]
            # 设置/覆盖Language属性
            node["Lang"] = language
            # 处理子节点
            if "Kids" in node:
                for kid in node["Kids"]:
                    process_node(kid)
        
        process_node(struct_tree)
        # 把修改后的标签树写回页面
        page.set_struct_tree(struct_tree)
    
    doc.save(output_path)
    doc.close()

# 调用示例：把input.pdf处理后存为output.pdf，语言设为简体中文
modify_pdf_tags("input.pdf", "output.pdf", "zh-CN")

• 说明：PyMuPDF的结构化树API能直接读取和修改PDF的标签节点，递归遍历可以确保所有层级的标签都被处理，不管是根节点还是嵌套子节点。

Java 实现（基于iText 7） #

• Maven依赖配置：

<dependency>
    <groupId>com.itextpdf</groupId>
    <artifactId>itext7-core</artifactId>
    <version>7.2.5</version>
</dependency>

• 代码示例：

import com.itextpdf.kernel.pdf.*;
import com.itextpdf.kernel.pdf.tagging.PdfStructElement;

import java.io.IOException;

public class PdfTagEditor {
    public static void modifyTags(String inputPath, String outputPath, String language) throws IOException {
        PdfDocument pdfDoc = new PdfDocument(new PdfReader(inputPath), new PdfWriter(outputPath));
        
        // 遍历每个页面的标签结构
        for (int pageNum = 1; pageNum <= pdfDoc.getNumberOfPages(); pageNum++) {
            PdfPage page = pdfDoc.getPage(pageNum);
            PdfStructTreeRoot structRoot = page.getStructTreeRoot();
            if (structRoot == null) continue;
            
            // 从根节点开始递归处理所有子标签
            processElement(structRoot.getKids().get(0), language);
        }
        
        pdfDoc.close();
    }

    private static void processElement(PdfStructElement element, String language) {
        // 删除ID属性
        element.remove(PdfName.ID);
        // 设置Language属性（已存在则覆盖）
        element.put(PdfName.Lang, new PdfString(language));
        
        // 递归处理子元素
        for (PdfStructElement child : element.getKids()) {
            processElement(child, language);
        }
    }

    public static void main(String[] args) throws IOException {
        modifyTags("input.pdf", "output.pdf", "zh-CN");
    }
}

• 说明：iText 7是企业级PDF处理库，对PDF标签的支持非常完善，通过PdfStructElement可以直接操作每个标签的属性，确保修改符合PDF规范。

JavaScript 实现（基于pdf-lib） #

• 先装依赖：npm install pdf-lib
• 代码示例：

const { PDFDocument, PdfName, PdfString } = require('pdf-lib');
const fs = require('fs').promises;

async function adjustPdfTags(inputPath, outputPath, language = 'en-US') {
    // 读取原PDF文件
    const pdfBytes = await fs.readFile(inputPath);
    const pdfDoc = await PDFDocument.load(pdfBytes);
    
    // 处理每个页面的标签树
    pdfDoc.getPages().forEach(page => {
        const structTreeRoot = page.node.getStructTreeRoot();
        if (!structTreeRoot) return;
        
        // 递归遍历所有标签节点
        const traverseNode = (node) => {
            // 删除ID属性
            if (node.has(PdfName.ID)) {
                node.delete(PdfName.ID);
            }
            // 设置Language属性
            node.set(PdfName.Lang, PdfString.of(language));
            
            // 处理子节点
            const kids = node.get(PdfName.Kids);
            if (kids) {
                kids.array().forEach(childNode => traverseNode(childNode));
            }
        };
        
        traverseNode(structTreeRoot);
    });
    
    // 保存修改后的PDF
    const modifiedPdf = await pdfDoc.save();
    await fs.writeFile(outputPath, modifiedPdf);
}

// 调用示例
adjustPdfTags('input.pdf', 'output.pdf', 'zh-CN')
    .catch(err => console.error('处理失败:', err));

• 说明：pdf-lib是纯JS的PDF处理库，适合前端或Node.js环境，通过操作PDF的底层节点对象，能直接修改标签的属性字段。

内容的提问来源于stack exchange，提问作者Adrika Bhadauria