Para quem quer editar texto em PDF manualmente (2020)

• Guia para editar o conteúdo de texto de PDFs: sem ferramentas comerciais como o Adobe Acrobat
• Guia principal para usuários de Mac: com menção a ferramentas que também podem ser usadas na maioria das distribuições Linux
• Armazenamento comprimido de dados de texto em PDFs: descompressão com a ferramenta de linha de comando qpdf
• Verificação dos dados de texto após a descompressão: visualização em um editor de texto, com a codificação e a vinculação a fontes específicas
• A complexidade da codificação de texto em PDFs: várias codificações possíveis, incluindo codificações personalizadas embutidas no próprio arquivo
• Extração de informações de codificação: uso da ferramenta de linha de comando pdffonts
• Exemplo de como identificar a fonte relacionada à codificação embutida e encontrar a tabela de codificação embutida dessa fonte
• Tabela de codificação: mapeia pontos de codificação personalizados para pontos Unicode
• Conversão da tabela com Python: transformar a tabela em um dicionário e escrever funções de codificação e decodificação
• Substituição do texto original com essas funções: é possível trocar o texto original por texto de substituição codificado de forma personalizada

[GN⁺]

Comentários do Hacker News

• A especificação do PDF é complexa e oferece suporte a vários recursos, incluindo modos de mesclagem de camadas do Photoshop e conteúdos adicionais que modificam conteúdos anteriores.
• O PDF inclui criptografia baseada em senha com senhas diferentes de "proprietário" e "usuário", além de opções para impedir impressão ou cópia de texto.
• Apesar de sua natureza complexa, o PDF não é um formato binário intocável, mas sim um grafo de objetos de vários tipos, bem descrito na especificação oficial.
• Ferramentas como mutool podem ser usadas para converter um PDF em uma versão sem dados compactados, facilitando sua compreensão e modificação.
• O PDF oferece suporte a diversos recursos, como objetos 3D, JavaScript, filmes de objetos Flash incorporados, anotações invisíveis e widgets que usam um subconjunto de XHTML e CSS.
• No entanto, o PDF é principalmente um formato de descrição de páginas e representa a estrutura do documento, não a exibição da página. Portanto, recomenda-se editar o documento a partir do qual o PDF foi gerado.
• Como o objetivo principal do PDF é exibir ou imprimir o conteúdo com fidelidade, ele se parece mais com um formato de imagem que ocupa menos bytes do que uma imagem real.
• Ferramentas como qpdf e RUPS podem ser usadas para entender e modificar a estrutura de um PDF.
• O Firefox oferece uma maneira fácil de assinar PDFs.
• A especificação do PDF é vasta e complexa, e mesmo após anos de estudo, pode parecer que você mal arranhou a superfície.