如何用SED/BBE修改PDF二进制数据批量替换背景颜色？

问题概述 #

• 需批量修改单页PDF的背景色，颜色控制指令存于第一个stream-endstream块中，格式为r g b sc（例：1 1 1 sc对应白色#FFFFFF）
• 已验证：用qpdf --qdf --object-streams=disable IN.pdf OUT.pdf解码PDF流后，手动替换1 1 1 sc为0 1 0 sc可将背景改为绿色，但自动化工具出现问题：
  • 使用sed 's/1 1 1 sc/0 1 0 sc/' IN.pdf > OUT.pdf报错：sed: RE error: illegal byte sequence
  • 使用bbe -e 's/0 1 1 sc/0 1 0 sc/' IN.pdf > OUT.pdf无报错但未生效，仅纯文本测试有效
  • 需求补充：仅替换第一个流块中的第二、第三个匹配项，且第二个匹配项存在换行拆分

解决方案 #

1. 统一解码PDF为QDF格式 #

先将所有目标PDF解码为可编辑的QDF格式，确保流内容可读：

for pdf in *.pdf; do
  qpdf --qdf --object-streams=disable "$pdf" "decoded_$pdf"
done

2. 用Perl实现精准跨行替换 #

Perl支持二进制兼容模式，可处理PDF中的非文本字节，同时能精准定位并计数替换：

perl -0777 -i.bak -ne '
  if (m/(stream\n)(.*?)(endstream)/s) {
    my $stream = $2;
    my $replace_count = 0;
    # 仅替换第2、3次出现的目标指令，自动处理换行拆分的情况
    $stream =~ s/(1 1 1 sc)/
      $replace_count++;
      ($replace_count == 2 || $replace_count == 3) ? "0 1 0 sc" : $1
    /ge;
    print $1 . $stream . $3;
  } else {
    print;
  }
' decoded_*.pdf

参数说明：

• -0777：将整个文件读入单个字符串，支持跨行匹配
• -i.bak：修改文件时自动生成备份文件（后缀.bak）
• /ge修饰符：允许替换逻辑中执行代码，实现计数判断

3. 转回标准PDF格式 #

将修改后的QDF文件重新转换为标准PDF：

for decoded_pdf in decoded_*.pdf; do
  qpdf "$decoded_pdf" "final_${decoded_pdf#decoded_}"
done

问题原因说明 #

• sed报错：PDF包含非ASCII二进制字节，sed默认以文本模式处理，无法识别这些字节导致错误
• bbe失效：bbe是字节级编辑器，但PDF流块内可能存在特殊编码，无法精准匹配带换行的指令，而Perl的正则支持跨行匹配，兼容性更好

内容的提问来源于stack exchange，提问作者TunaFFish