PDF 为什么这么难编辑？

PDF 是排好的页面，不是文档

Adobe 在 20 世纪 90 年代初设计这种格式，是为了解决一个问题：不管对方装了什么字体、用什么软件，同一页内容在任何屏幕和任何打印机上都应该一模一样。它脱胎于打印机早已在用的 PostScript 语言，也一直保留着这种本性。PDF 描述的是一切都已定下来之后页面的样子：用哪种字体、多大的字、每一行在哪里换行、每个字落在哪里。

Word 文档和 Google 文档保存的正相反：文字本身，加上排版规则（这是标题，这一段两端对齐，页边距 2 厘米）。每次打开，软件都会按这些规则把页面重新排一遍，所以你在一句话中间打字，后面的内容会自动让开。PDF 早就把这件事做完了，还把规则扔掉了。编辑 PDF，就是要倒推一个文件自己都已经不记得的过程。

PDF 的页面里到底有什么

往 PDF 页面里面看，你找不到句子，只有一串绘图命令。对文字来说，每条命令大致是：用 F1 字体、11 磅，移到这个位置，画出这几个字符。编辑所需要的东西，大多都不在里面：

• 没有词，也没有段落。文件只是在摆放字符，而且常常是一小截一小截地摆。空格往往只是位置上留出的一段空隙，而不是一个空格字符；段落也不过是几行恰好上下排在一起的文字。
• 没有阅读顺序。文字可以按生成程序觉得方便的任何顺序来画：表格一列一列地画，页脚先画，报纸式的两栏一行一行地交错着画。
• 字体被裁减到只剩用过的字。为了让文件小一些，大多数 PDF 只内嵌每种字体的一个子集，里面只有页面上出现过的字符。如果你要改的词里有一个从没用过的字，文件里的字体就没有它的字形。有些 PDF 根本不内嵌字体，阅读器能找到什么字体就用什么。
• 间距是固定的。两端对齐的文字，保存时在一行里带着精确的间距调整，好让它正好填满行宽。改动一个词，这些数字就全错了。
• 后加的东西在另外的图层。高亮、批注、白色方框、表单字段和签名，都是画在页面上面的标注，并不属于页面本身。这就是为什么白色方框只是遮住了文字，并没有删除。
• 看起来像文字的图片。logo、图表、贴进来的截图和扫描的页面都是像素，里面根本没有可以编辑的字符。

PDF 的其他方面也都在强化这一点：内容是压缩过的，各个对象靠它们在文件里的字节位置来定位，有密码保护的文件则是加密的。这一切都不是为了拆开来重新组织而设计的，而是为了显示。

为什么改一个词都这么难

假设你要改段落中间的一个错别字。在 Word 文件里，敲一下键盘就行。在 PDF 里，编辑器得先弄清楚：哪些画出来的字符属于同一行（靠测量它们的位置），哪几行组成一个段落（靠行距、缩进，以及某一行是不是没到边距就停了），这一栏有多宽，文字是左对齐、居中还是两端对齐。这些信息哪里都没有写。

然后，它要把原来的字符藏起来，弄清它们是用哪种字体画的、墨色是什么，再用同样的字体、大小和间距把改好的词画上去，不让人看出来。如果改后的内容比原来长，这一行就放不下了，整个段落都得重新换行，下面的内容也得往下挪。但前提是中间没有东西挡着：表格、图片或页脚就是一堵墙。

这里的每一步都多少带着猜测，而每一个生成 PDF 的程序，在字体、间距和绘制顺序上的选择又各不相同。这才是 PDF 难编辑的真正原因：不是一把锁，而是文件从未记录下来的十几个小细节，每个编辑器都得去推断，而且有时会猜错。

为什么有的 PDF 好改，有的却改不动

因为这种格式允许的差异太大，一个 PDF 好不好编辑，主要取决于它是怎么生成的，而不是你用什么软件打开它：

• 从 Word、Google 文档、InDesign 或网页导出的：有真正的文字，字体已内嵌，看到的每一行就是画出来的一行。这是最理想的情况。大多数编辑器都能改一个词，好的编辑器还能让段落重新换行。
• 用了没有内嵌的字体：文字能改，但新打的字会用替代字体，接缝处可能看得出来。
• 扫描或拍照得来的：一张没有文字的图片。在用 OCR 把扫描件变成可编辑的文字之前，什么都选不中；即便识别之后，得到的文字也只是引擎对这些像素的最佳判读。
• 已扁平化或已签名的：扁平化，也就是把表单字段和标注并入页面；数字签名则会把文件封住，一经改动，签名就失效了。
• 有密码保护的：内容是加密的，没有密码，任何编辑器都看不到页面。

如果你的问题出在某一个具体的文件，而不是这种格式本身，为什么这个 PDF 无法编辑这个页面对上面每一种情况都给了一个十秒钟的测试，以及对应的解决办法。

好的 PDF 编辑器是怎么做到修改文字的

这种格式本身并不妨碍编辑器修改文字。编辑器只需要把文件省略掉的那些信息重建出来，而且要做得足够好，让结果看不出改过。编辑器之间的差距主要就在这里。有的把整页转成文字处理软件的文档再转回来，版式就丢了；有的把改过的页面变成一张图片，可选中的文字就没了；有的随手拿一种字体画上新词，旧词还留在底下。

peadf 的“PDF 修改文字”工具正是为了把这件事做好而设计的，在你的浏览器里完成，文件不会上传。它按位置把画出来的字符归成行，判断哪几行是一个段落、这一栏有多宽，直接从绘图命令里读出墨色，再从文件里读出字体，让改过的那一行和周围的行用同一种字体排出来。在能够安全移除并经过核对的情况下，原来的字符会从文件里真正去掉；否则，就用一块按页面自身背景画出的补丁把它们盖住。改长之后，只有非换不可的那几行会重新换行，下面的文字会被往下推，但只会在空白背景上推。如果你打的某个字是内嵌字体里从来没有的，就只把那一个字单独画出来，这一行的其余部分仍然是真正的文字。

怎样编辑 PDF，才能尽量不破坏页面

知道了这种格式为什么会抗拒修改，也就知道了该怎么和它打交道。不管你用哪个编辑器：

1. 1

   先看看你的 PDF 是哪一种

   在一行文字上拖动鼠标。如果文字被选中，说明页面里有真正的文字；如果出现的是一个罩住整页的方框，那它就是扫描件，得先做 OCR。

2. 2

   直接修改原有的行，而不是盖住它

   在 peadf 里，用“PDF 修改文字”工具打开文件，用“选择”工具点击那一行，直接在原位重新输入。这样编辑器就能保留它读出来的字体、大小、颜色和对齐方式。

3. 3

   改后的长度尽量和原来接近

   长度差不多的修改会留在原来那一行。改得长很多，段落就要重新换行；要是下面的文字没有地方可以推，编辑器会告诉你。

4. 4

   把新打的字和旁边的字比一比

   放大看看。如果某个字看起来像另一种字体，说明文件里没有它的字形。换个说法避开这个字，或者把整行盖住重新排，都能让页面保持一致。编辑 PDF 而格式不走样这个页面对此有更多说明。

5. 5

   检查导出的文件，而不是编辑器里的

   用你平时用的阅读器打开下载好的文件。搜索一下改后的词，再搜索一下原来的词。编辑免费。下载需要免费账户和付费套餐，首周 £0.99。

再好的编辑器也做不到的事

• 图片里的文字。图表、截图或 logo 里的字只是像素，所以只能用“PDF 替换图片”换掉整张图，没法编辑。
• 居中和右对齐的文字、表格单元格以及单独的一行，只能一行一行地改，各自守住对齐的那一边，因为没有段落可以重新换行。
• 推不动下方内容的段落，会被压进现有的空间里，但只能压到一定程度。超过了，实在的办法只有把文字改短。
• 没有内嵌的字体，以及内嵌子集里没有的字符，都会用替代字体画出来。改动短，不太看得出来；整段新写的文字就藏不住了。
• OCR 出来的文字只是估计。位置和大小都是近似的，识别出来的词需要校对。
• 数字签名经不起任何编辑，在哪个编辑器里都一样。拿一份未签名的副本来改，改完再签一次。
• 加密不是走过场。没有密码就没有页面可编辑，这里也没有任何功能能找回或猜出密码。

大家常问的问题