Text aus PDF herausbringen

[manfred]

Hallo,

vielleicht kann jemand helfen: Wir haben ein PDF mit ca. 600 Seiten, auf jeder Seite steht entweder eine emailadresse oder eine URL.
Beides sollte weg. Löschen, mit weißem Rechteck überdecken, irgendwie so. Wenn es eine Seite wäre würde ich die als Grafik speichern, dann weiß überdecken und wieder als PDF speichern.
Aber bei der Menge von Seiten geht das nicht.

Hat jemand einen Tipp, wie man so etwas ggf. automatisiert machen könnte, oder wer so etwas macht?

Gruß Manfred.

[servpoint]

Mit Adobe Acrobat professionell sollte das eventuell gehen. Da kannst du einen leeren Platzhalter über der Stelle positionieren.

MfG
servpoint

[fiedsch]

Du bedenkst aber auch, daß die "überdekten" Teile immer noch Teil des PDF sind und mit Tools wie z.B. pdftotext wieder zum Vorschein kommen.

Das PDF neu erzeugen ist keine Option?

[Grossvater]

Ist der pdf Bild oder Text?
Welche Programme stehen dir zur Verfügung?

[tschero]

Hi,

wenn Du Adobe InDesign hast, kannst Du den Text komplett aus dem *.pdf in einen (mehrere) Textrahmen in Indesign reinkopieren.
Dann ein Absatzformat erstellen, anwenden und mit GREP (reguläre Ausdrücke) E-mail Adressen und URL´s herausfiltern.

InDesign übernimmt auch vorhandenen Formate.

Etwas Hand anlegen müsste man dann womöglich schon um wieder ein gleich aussehendes *pdf mit InDesign zu speichern.

Wäre aber eine Alternative zu Acrobat Pro und den weißen Lücken.

Gruß
tschero

[tschero]

Hi,

hab das alles noch mal nachvollzogen und funktioniert sehr gut.
Falls Ihr das nutzen möchtet, hier mal die notwendigen RegExp:

URL´s finden:

\b(http|www).[^\s]+\b

E-Mail Adressen finden:

\b[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+\b

...und einen kleinen Screencast von mir dazu:
Zum Screencast

Diese "Übung" ist natürlich auch leicht mit einer 30 Tage Testversion von InDesign durchzuführen.

Gruß
tschero