PDF 补丁丁0.5.0.2520（测试版）解除PDF文档的烦恼

汉文学士

简介：大概版友都知道了，就是一个修改、制作PDF的工具箱。
详情及更多界面截图可参阅我的网志（http://pdfpatcher.cnblogs.com ←最新测试版请到此处下载）。

程序需要.NET Framework 2.0 才能运行。
敬告：硬盘位贱、数据无价，请在修改文件前做好备份！

PDF补丁丁是一个用于修改PDF文件信息的工具。它具有以下功能：

• 修改PDF信息：修改文档属性、页码编号、页面链接、页面尺寸、旋转方向；删除自动打开网页等动作，去除复制及打印限制；设置阅读器初始模式。
• 贴心PDF书签编辑器：可批量修改PDF书签属性（颜色、样式、目标页码、缩放比例等），在书签中执行查找替换（支持正则表达式及XPath匹配）。
• 生成PDF书签：无需手工输入，自动识别正文标题或目录，为PDF文件生成书签。
• 制作PDF文件：合并已有PDF文件或图片，生成新的PDF文件（可挂上书签）。
• 拆分或合并PDF文件，并保留原文件的书签或挂上新的书签。
• 将PDF文档转换为图片。
• 高速无损导出PDF文件的图片。
• 提取或删除PDF文件中指定的页面。
• 根据PDF文档元数据重命名PDF文件名。
• 调用微软 Office 的图像识别引擎分析PDF文档图片中的文字；将图片PDF的目录页转换为PDF书签。（0.3.2版）
• 替换字库：替换文档中使用的字体库；嵌入字库到PDF文档，消除复制文本时的乱码，使之可在没有字库的设备（如Kindle等电子书阅读器）上阅读。（0.4.1版新功能）
• 拆分文档：按指定页码范围、首层书签或指定页数拆分 PDF 文档。（0.4.2版新功能）
• 分析文档结构：以树视图显示PDF文档结构，可编辑修改PDF文档节点，或将PDF文档导出成XML文件，供PDF爱好者分析、调试之用。
• 永久免费，绝不过期，无广告，无弹出废话对话框。
  

运行环境

• .NET Framework 2.0 （建议安装 SP2，Windows Vista、Windows 7 及更高版本已内置）
• Visual C++ 2008 Distributable SP1（0.3.2 版似乎不需安装此组件）
• Office 2003（或2007）的 Document Imaging 组件（由识别文字功能调用）
  

如果觉得软件好用，请跟你的朋友、博友分享。我可以保证，PDF 补丁丁将一直是免费软件。好东西应该多分享分享。

汉文学士

回楼上网友：

ABBYY Reader 吃内存太多了，我最好的计算机也只有 2G 内存，识别一个 300 页的 PDF 都非常吃力，等了好半天识别出来，还有一些莫名其妙的错误，还保存不了，就没继续研究下去了。
旧版本检测书签是通过文本尺寸来确定书签级别的。如果识别出来的文本尺寸相差不大，那就没办法有效地生成书签。新版本是有一些改进，但还没着手改动核心的识别算法。
生成书签错误太多是什么意思呢？是否可找一个识别所得的“双层PDF”，提取其中比较有代表性的几十页上传（或发到我的邮箱），让我分析一下，看怎样可以将算法改进得更好。

fengshui

需求PDF 补丁丁繁体版本

hebeisheng

要是能OCR就更好了

汉文学士

二楼要繁体版做甚？

光学字符识别……这功能是可以考虑的。之前没有找到很好的 PDF 识别软件（ABBYY太大，而且无法写入原 PDF；Adobe 的可写入 PDF，但写入文本有微小的旋转角度，颇不便处理），我看看有没有免费的组件可用罢。

下官

福昕pdf也可以用这个吗？

gy0715

希望书签编辑可以按照不同级别设置书签颜色来区分。
加入打开其它pdf文档或书签文件来复制书签或追加书签。
再加入书签另存为的功能吧
希望lz能让我们先体验一下书签编辑功能！

汉文学士

书签文本的颜色就是实际 PDF 文档书签的颜色。
书签级别已经按层次缩进了啦。

嗯，是可以打开 PDF 文档直接编辑书签信息的。

书签现在已经可保存了（换名另存）。

又，昨天找到一个免费的光学字符识别组件，我想看看效果如何。如果好的话，就会将光学字符识别功能做到“识别标题为书签”功能上去。

hebeisheng

caj的楼主可以考虑

汉文学士

CAJ 的不行。
用过了，无法获取坐标信息，也不能调用控件自动转换。
我先将书签编辑器做完，然后考虑光学字符识别控件。

汉文学士

书签编辑功能已经做得基本上差不多了。

具有为书友贴心设计的批量书签修改指令：



书签动作编辑器：




光学字符识别功能将提到最高级别的开发日程中。
我等屡为图片 PDF 无书签所苦，要是能将光学字符识别嵌入到 PDF 补丁丁的“识别标题为书签”功能中，以后做书签就爽了。

forshui

呵呵，好。实际上前几天就下载了，比较好用，多谢辛勤工作~~

汉文学士

经过在网上好一段时间的搜索，看来并无多少免费的中文光学字符识别组件可用。
流传最广的开源识别组件 Tesseract 3 ，对中文的识别效率和准确率都很不理想，而且缺少 .NET 版的程序接口。最后看来还是得借助微软 Office Document Imaging（MODI）组件。这个组件虽也不是免费，但大部分人电脑上都有 Office，普及率颇高，而且编程开发比较方便。在马健兄的软件也有调用该组件实现文字识别的。组件的效率和准确率都较高。

100doudou

谢谢！安装上试一下。

汉文学士

楼上别急，还在开发之中呢。
虽然书签编辑器的功能已经完成得差不多，但光学字符识别等功能还没好，估计要春节假期之后才能发布了。

wanchen

福晰阅读器pdf也好

快乐龙女

我怎么找不到下载阅读器的链接啊？

gy0715

回复 16# 快乐龙女


    这个工具不是阅读器啊，而且V0.3.1还在开发中，作者上面写的是春节后才能发布。

快乐龙女

回复 17# gy0715


    非常感谢！祈愿早日开发成功，早日发布啊！

czjs

希望楼主早日开发成功，对制作书籍的人来说也有帮助~

汉文学士

调用识别组件现在已经没有问题了。
对一些排版简单和扫描较好的书籍而言，识别率还是比较可观，能定位到标题所在的位置。

但检测标题尺寸的算法还是要完善一下，目前的算法太简单了，只能对付质量很好的书籍。

要学习一堆新的知识才行哟～～

大汉天马

楼主是在做一个大好事呀，谢谢！！！

strnghrs

楼主的大作非常好，先赞一个！
但是有一个问题，
office2007的功能是不是更强一些呢？
2003转眼就要10年了 ...
sea 发表于 2011-2-5 03:36

不懂，就不要装懂。
Office 2007的MODI和Office 2003的是一样的。
到Office 2010将没有MODI，但微软已经给出了解决方案。

gmbbobo

好东西

汉文学士

老马你觉得不爽可以继续用2003，
但是社会要进步，技术要进步的。
我们学校三千多台公共电脑去年全都升级到 ...
sea 发表于 2011-2-5 10:20

君有所不知。马兄所言不差。Office 2007 和 Office 2003 所用之光学字符识别功能均是清华的产品，实无多大差别。我制作的 PDF 补丁丁将会同时兼容两套 Office 的识别引擎。

不知道为何，Office 2010 居然将识别引擎和接口去掉了。微软所提的“解决方案”并未解决调用识别引擎的问题（见此网页介绍的“替代方案”）。也许可将旧版本 Office 的引擎抽取出来，独立安装。马兄对此是颇有研究的。

redjyf

很好！下来试一下！

sea

君有所不知。马兄所言不差。Office 2007 和 Office 2003 所用之光学字符识别功能均是清华的产品，实无多 ...
comme 发表于 2011-2-5 13:35

谢谢楼主的兼容方案，
相信你的软件会是最好的pdf目录解决方案。
期待大作早日发布！

汉文学士

楼上的网友要降低期望哟。
春节之后可能要过一段时间才能发布。
这次要添加的功能很多。
除了书签编辑器之外，还有光学字符识别（调用组件不难，难是难在后处理）。
此外，JBIG2图片解码的问题困扰了很久。今天终于找到了解码组件，可以将其一并解决了。
另外还可能增加一些新的功能，没定下来。所以得用多一点的时间开发。加上年后的工作比较忙，所以必然要押后了。
可以确定的是，这次更新是 PDF 补丁丁的一次飞跃。

sea

楼上的网友要降低期望哟。
春节之后可能要过一段时间才能发布。
这次要添加的功能很多。
除了书签编辑器之 ...
comme 发表于 2011-2-6 23:34

好软件各路书友都等得。
精工出细活！
加油！

angst

二楼要繁体版做甚？

光学字符识别……这功能是可以考虑的。之前没有找到很好的 PDF 识别软件（ABBYY太大， ...
comme 发表于 2011-1-29 11:49

请问comme大侠，abbyy finereader可以将图片pdf文件ocr成图文双层pdf，为何你言到文本无法写入原pdf？另我用过大侠制作的补丁丁前一个版本，但是在识别我用finereader 制成的英文图文双层的pdf文件（原文件质量良好）时，生成的书签错误太多，几乎不能用。请问新版本是否对英文的pdf图文双层的目录识别进行了优化呢？

致谢！祝新年快乐。