使用 PHP 模式匹配 PDF 正文中的文本并添加超链接

Question

情况如下：我有一系列又大又厚的 PDF 文件，充满图像和随机分布的文本 - 这些是大量产品的巨大促销价格表的部分。我需要的是对每个 PDF 文件文本中的所有目录代码进行模式匹配，并使用指向在线商店中相应页面的超链接对其进行包装。

所以任务非常简单 - 扫描 PDF 文件中的所有纯文本 10 数字序列，并将其转换为 href 为的链接 http://something?code=[match].

如果可能的话，我也更愿意将其放在 PHP 脚本中，但任何语言都可以。我有一种直觉，也许闪光灯也是一种选择。

有任何想法吗？提前致谢。

编辑：

一些答案正在教我 PCRE 语法。这里的问题是我需要在 PDF 文件中搜索和替换。所以问题是双重的。假设我们将在 PHP 中执行此操作：

• 如何用 PHP 读取/写入 PDF？
• 由于 PDF 不是纯文本文件，因此我不能仅对它们进行正则表达式，而且我还相信 PDF 链接不会与文本捆绑在一起，而是作为区域分开。这也意味着，如果我只知道匹配的代码位于页面上的位置，我就可以在目录代码的字符坐标上覆盖一个活动矩形。

你怎么认为？其他语言也是一种选择。

谢谢。

Answer 1

替换 PDF 中的文本很困难，并且没有任何开源 PDF 解决方案支持此功能。

Apago (www.apago.com) 开发了一种用于替换 PDF 文件中文本的商业解决方案。贺卡制造商使用它来修改定价、“MADE IN”文本、产品编号等。

Answer 2

<?
$s="
http://something.com?code=3000 asdf text
http://something.com?code=5000 asdf
";
echo preg_replace('/(http:\/\/something\.com\?code=(\d+))/s', '<a href="$1">$2</a>',$s);
?>

输出3000 asdf 文本

5000 阿斯达夫