- name
- pdf-text-replace
- description
- Replace text in PDF files while preserving visual fidelity. Handles custom font encodings, embedded subsets, encrypted PDFs, image-based scans (OCR), variable-length replacements, and style changes. Use when user wants to change/replace/modify specific text in any PDF.
- version
- 2.1.4
- metadata
- openclaw
- emoji
- \F4C4
- homepage
- https://clawhub.ai/skills/newclaw-pdf-text-replace
- os
- [macos, linux]
- requires
- bins
- [python3]
- install
- pip
- [pypdf, pdfplumber, fonttools, pdf2image, Pillow]
- brew
- [poppler]
PDF Text Replace v2.0 - PDF 文字精准替换
在不破坏原始视觉效果的前提下，替换 PDF 中的指定文字。自动检测 PDF 类型并选择最优替换策略，支持加密 PDF、扫描件、样式修改等高级场景。
适用场景
- 修改证书、合同上的日期、姓名、数字
- 修正已导出 PDF 中的错别字（原始文件已丢失）
- 更新加密 PDF 中的内容（需提供密码）
- 对扫描版 PDF（纯图片）进行 OCR 识别后替换
- 修改替换文字的颜色、字号、加粗、下划线
安装
# OpenClaw 一键安装
clawhub install newclaw-pdf-text-replace
# 核心依赖（必须）
pip3 install pypdf pdfplumber fonttools pdf2image Pillow
brew install poppler # macOS
# 可选依赖（按需启用高级功能）
pip3 install pikepdf # L6: 解密加密 PDF
pip3 install paddleocr # L5: OCR 扫描件替换（首选）
pip3 install opencv-python # L5: OCR 图像预处理
pip3 install pymupdf # L4: 样式修改（颜色/字号/粗体）六级能力体系
| 级别 | 能力 | 依赖 | 状态 |
|---|---|---|---|
| L1 | 等长直接字节码替换 | 核心依赖 | 内置 |
| L2 | 变长替换（Tz 缩放 / 重排） | 核心依赖 | 内置 |
| L3 | 跨 Tj 操作符多段文本替换 | 核心依赖 | 内置 |
| L4 | 样式修改（颜色/字号/粗体/下划线） | pymupdf | 可选 |
| L5 | 图像型 PDF OCR 替换 | paddleocr + opencv | 可选 |
| L6 | 加密 PDF 解密替换 | pikepdf | 可选 |
缺少可选依赖时，工具自动降级到已安装的级别，不会崩溃。
使用方法
命令行
# 基础替换
python3 scripts/pdf_text_replace.py input.pdf "旧文字" "新文字"
# 指定输出路径
python3 scripts/pdf_text_replace.py input.pdf "2025" "2026" output.pdf
# L4: 修改颜色（红色）
python3 scripts/pdf_text_replace.py input.pdf "草稿" "正式" --color 1,0,0
# L4: 修改字号 + 加粗 + 下划线
python3 scripts/pdf_text_replace.py input.pdf "标题" "新标题" --size 18 --bold --underline
# L5: 强制 OCR 模式（扫描件）
python3 scripts/pdf_text_replace.py scan.pdf "旧" "新" --force-ocr
# L6: 加密 PDF
python3 scripts/pdf_text_replace.py secret.pdf "旧" "新" --password mypassword
# 指定页码（从 0 开始）
python3 scripts/pdf_text_replace.py multi.pdf "旧" "新" --page 2AI 自然语言（OpenClaw / Claude Code）
"把这个 PDF 里的'比赛时间：2025年'改成'2026年'" "把加密 PDF（密码 abc123）里的'Draft'改成'Final'，并标红" "这个扫描版证书，把日期从 01/01/2024 改成 01/01/2025"
Python API
from scripts.pdf_text_replace import replace_text
# 基础用法
replace_text("input.pdf", "2025", "2026", "output.pdf")
# 带样式（L4）
replace_text(
"input.pdf", "Draft", "Final", "output.pdf",
color=(1, 0, 0), # 红色
font_size=14,
underline=True,
)
# 加密 PDF（L6）
replace_text("secret.pdf", "old", "new", password="mypassword")
# 扫描件（L5）
replace_text("scan.pdf", "old", "new", force_ocr=True)自动策略选择流程
输入 PDF
├─ 是否加密？ → L6 解密
├─ 是否图像型？ → L5 OCR
├─ 文字是否在字体内？
│ ├─ 等长 → L1 直接字节码替换
│ ├─ 变长 → L2 Tz 缩放/重排
│ └─ 多段分布 → L3 跨 Tj 替换
└─ 有样式要求？ → L4 叠加样式层核心难点：为什么 PDF 文字替换很难？
大多数 PDF 使用内嵌字体子集 + 自定义字节编码（CMap）。"2025" 在 PDF 内部是字形代码如 0x25 0x24 0x25 0x26，不是 ASCII。必须：解析 CMap → 反向编码目标字符 → 在字节流中精确替换，缺失字符还需嵌入新字体子集。
踩坑规则
| 规则 | 原因 |
|---|---|
| 不用 fontTools 改后重嵌原字体 | 会损坏字形渲染 |
| 缺失字符新建独立字体资源 | 不碰原始字体 |
| 用 pdfplumber 获取精确坐标 | 每字符 x0/top/x1/bottom |
| 视觉样式必须匹配系统字体 | Cambria Bold → Georgia Bold |
| 同时验证文本提取 + 视觉渲染 | 两者可能不一致 |
文件结构
pdf-text-replace/
├── SKILL.md
├── scripts/
│ ├── pdf_text_replace.py # v2.0 统一入口（本文件）
│ ├── v2_l2_varlen.py # L2: 变长替换
│ ├── v2_l3_multitj.py # L3: 跨 Tj 替换
│ ├── v2_l4_style.py # L4: 样式修改
│ ├── v2_l5_ocr.py # L5: OCR 扫描件
│ └── v2_l6_decrypt.py # L6: 加密解密
└── references/
└── cmap-encoding-guide.md