@whatsmore-nf/dsh-plugin-pdf-edit

English | 中文

DeepSeek Harness 插件 —— AI 修改 PDF 文字，自动保持原版式不变。

这是什么

一个面向 PDF 文档的 AI 编辑插件。你用自然语言告诉它要改什么，它就会：

• 只改文字，不动排版 —— 字体、字号、颜色、位置全部锁定，改完和原文看起来一模一样
• 自动处理溢出 —— 新文字比原来长时，自动缩小字号或截断，不会撑破版面
• 支持中文 —— 自动识别并嵌入系统中文字体（SimHei / 微软雅黑 / Noto Sans CJK）

适合什么场景

场景	举例
术语统一	全文把「帐号」改成「账号」、「数据中台」改成「数据平台」
错别字修正	让 AI 扫一遍，自动修正拼写和语法错误
合同/报告批量修改	多页文档统一替换人名、金额、日期等
格式转换	把散乱的 PDF 重新排版成学术论文双栏、手机阅读单栏、商务简报等版式

安装

# 通过 Harness 插件 CLI（与官方插件一致）
dsh plugin --profile web add @whatsmore-nf/dsh-plugin-pdf-edit@latest

# 或直接通过 npm
npm install @whatsmore-nf/dsh-plugin-pdf-edit

更新记录

v0.1.0

• 初始发布
• 样式锁定编辑：AI 修改文字，自动保持原排版
• native 渲染模式：pdf-lib 直绘，零浏览器依赖
• CJK 字体自动探测与嵌入
• 溢出处理：shrink / clip / wrap / reject
• 术语表全局替换
• 三种重排版模板：academic / mobile / briefing

工作原理

整个编辑流程由 StyleLockedEditor（src/pipeline.ts）统一调度，分为四个阶段：提取 → AI 修改 → 溢出控制 → 叠加绘制。下面结合源码逐步说明。

1. 提取：pdfjs + 样式锁定（src/extractor.ts）

• 用 pdfjs-dist（src/pdfjs-lazy.ts 延迟加载）打开 PDF，逐页调用 getTextContent() 读取每个文本项（str、transform、width、fontName、height）。
• 通过 page.getViewport({ scale: 1 }) 把页面坐标系转换为 PDF 点（pt）坐标。
• 对每个 str 构造 RawRun：记录 text、x、baselineTop、width、fontSize（由 transform 矩阵计算）、颜色（从 OPS.setFillRGBColor / OPS.setFillGray / OPS.setFillCMYKColor 运算符列表恢复，recoverColors），以及样式签名 sig（fontFamily、fontSizePt、color、bold、italic）。
• mergeRuns() 把同一行、同一样式、间距小于 fontSize * maxGapFactor 的 RawRun 合并为一个 Unit（文本单元），每个 Unit 获得唯一 tid（如 p3-0），并计算 top（baselineTop - ascent * fontSize）。
• freezeStyles() 把所有 Unit 按样式签名分组，生成 CSS 类名（如 .s1）和 css 字符串，供后续浏览器渲染或原生绘制使用。

输出 PageExtract 包含：pageNumber、widthPt、heightPt、units[]、css、html（由 buildPageHtml 构造的绝对定位 HTML）。

2. AI 修改：分块调用 DeepSeek（src/ai-editor.ts、src/prompts.ts）

• AiTextEditor 接收提取的 EditableUnit[]（只保留 tid 和 text），按字符数分块（packChunks，默认每块不超过 18,000 字符）。
• 每块构造提示：系统提示（TEXT_EDIT_SYSTEM_PROMPT）要求只输出 {"items":[{"tid":"...","text":"..."}]}，条目数与输入完全一致，不能新增/删除 tid，未改条目原样返回。
• 调用 createDeepSeekChatFn（src/index.ts）：向 https://api.deepseek.com/chat/completions 发送 POST，设置 temperature=0.1、response_format: {type: "json_object"}。
• AI 返回的原始字符串经 parsePatchObject() 解析：先去除代码围栏（代码围栏 ```），再提取 JSON 对象，修复常见的尾部逗号错误。如果解析失败或缺少 items 数组则抛出错误。
• 每块并行处理（Promise.all），结果合并到 merged Map。完成后执行 reconcilePatches()（src/validator.ts）：
  • 严格模式（strictTids=true）下，若 AI 返回未知 tid 或缺失 tid 直接抛错；
  • 非严格模式下，未知 tid 被丢弃，缺失 tid 用原文补回（missingTidsUseOriginal 默认 true）。
• 最后应用术语表（Glossary，由 normalizeGlossary 处理为 from→to 数组），对每条修改后的文本执行 applyGlossary()（字符串替换）。

3. 溢出控制与文本校验（src/validator.ts、src/util.ts）

在将 AI 修改应用到 Unit 前，执行以下安全校验：

1. sanitizeText()：
   • 移除 HTML 标签（...>）；
   • 移除控制字符（\u0000-\u0008、\u000b、\u000c、\u000e-\u001f）；
   • 拒绝空文本；
   • 拒绝长度膨胀超过原长 3 倍 + 16 字符（防止 AI 跑飞）。
2. overflowAction()（根据配置 OverflowPolicy）：
   • clip：若新文本宽度超过 unit.width * 1.06 + 2，设置 unit.clip = true（绘制时截断）；
   • wrap：设置 unit.wrap = true（绘制时换行）；
   • reject：若溢出直接拒绝，记录到 rejected 列表，不修改该条；
   • shrink（默认）：计算缩放比例 unit.fontSize * (unit.width / estWidth)，若缩放后字号 ≥ minFontSizePt（默认 6pt）则设置 fontSizeOverride；否则设置为最小字号并同时启用 clip。
3. measure()（fonts-resolver.ts）：通过 font.widthOfTextAtSize()（pdf-lib + fontkit）计算新文本在当前字号下的实际宽度（pt）；若字体未嵌入则回退到 text.length * size * 0.6 估算。

4. 叠加绘制：两种渲染模式（src/native-renderer.ts、src/browser-renderer.ts）

插件支持两种渲染模式，由 renderMode（默认 "native"）控制：

Native（原生 pdf-lib 直绘，零浏览器依赖）：

• NativePageRenderer.renderPatches() 对每个被修改的 Unit 执行：
  1. 用 FontResolver.resolveA() 解析字体（标准字体映射到 Helvetica/Times/Courier，中文自动探测系统字体如 simhei.ttf / msyh.ttc / NotoSansCJK-Regular.ttc，或从配置 fonts.cjk 加载）；
  2. 测量新文本宽度，计算遮盖矩形（白色 patchColor，默认 #ffffff），在原位置画白色矩形遮住旧文字；
  3. 画新文字：若 wrap 启用则分行绘制（wrapByMeasure），若 clip 启用则截断（ellipsizeByMeasure）；若 fontSizeOverride 有值则使用缩小后的字号；
  4. 对粗体字体启用 fakeBold 时，在原位置偏移 0.02 * size 再画一次（模拟加粗）。
• 绘制在加载的原始 PDFDocument（PDFDocument.load）上，通过 doc.getPage() 获取页面对象，修改后 doc.save() 输出新 PDF 字节流。
• pdf-ops.ts 提供 replacePages()：当仅部分页修改时，把修改页的 Uint8Array 与未修改页的原页合并到新文档，保留原文档元数据（标题、作者、创建日期等）。

Browser（浏览器渲染，通过 Puppeteer）：

• BrowserRenderer 启动无头 Chrome（puppeteer-core，需配置 browserExecutablePath），并发限制由 browserConcurrency 控制（默认 2）。
• 对修改页构造 HTML：buildPageHtml() 生成绝对定位的 .txt span（样式从 freezeStyles 提取），若有背景图则插入 .bg 图片。被修改的单元在原位置上方叠加 .mask（白色矩形）遮盖旧字，再在同位置放新 .txt。
• renderPage() 用 page.setContent() 加载 HTML，等待字体就绪（document.fonts.ready），然后 page.pdf() 打印为 PDF（margin: 0、printBackground: true），返回 Uint8Array。
• relayout（重排版）模式下：先提取全文构建 FlowBlock（按字号中位数分类：heading、subheading、body、caption），再用 buildFlowBlocks() 生成流式 HTML，填充到 templates.ts 定义的三种模板（academic 双栏、mobile 手机单栏、briefing 商务简报），同样通过浏览器打印为 PDF，并通过 replaceEntireDocument() 替换原文档内容（保留元数据）。

5. 整体流程控制（src/pipeline.ts、src/index.ts）

• StyleLockedEditor.open() 初始化：加载 PDF、创建 StyleLockedExtractor、创建 AiTextEditor、设置默认配置（batchSize=10、overflow={mode:"shrink",minFontSizePt:6}、patchColor="#ffffff"、renderMode="native"）。
• editPage()：提取单页 → AI 修改 → 应用溢出控制 → 原生/浏览器渲染 → 返回新 PDF 字节。
• editDocument()：批量逐页处理：先预取第一批（并发 extractConcurrency，默认 4），每批调用 AI（分块并行），每页应用溢出控制后收集修改页；原生模式下把所有修改页的工作推迟到最后统一绘制（drawPatchedPages），浏览器模式下每页独立渲染后合并（replacePages）。过程中通过 onProgress 回调报告阶段（extract → ai → render → skip → merge / error）。
• previewPage()：仅提取并返回可编辑单元列表，不执行修改，用于预览。
• relayout()：提取全部页 → 构建流式块 → 按模板渲染新文档 → 替换原文档内容。

6. 字体与中文支持（src/fonts-resolver.ts）

• 标准字体：helvetica（无衬线）、times（衬线）、courier（等宽），按 bold / italic 组合映射到 pdf-lib 的 StandardFonts（如 HelveticaBold、TimesRomanItalic）。
• 中文（CJK）：检测文本中是否含 \u2E80-\u9FFF 等字符。若含 CJK 且无嵌入字体，则自动从系统路径探测（Windows simhei.ttf / msyh.ttc、macOS Songti.ttc / PingFang.ttc、Linux wqy-microhei.ttc / NotoSansCJK-Regular.ttc），通过 fontkit 嵌入到 PDF。若自动探测失败且未配置 fonts.cjk，则抛出错误。
• 自定义字体：支持 fonts.customs（按字体族名匹配）和 fonts.cjk（专门用于中文）。
• 字体缓存：FontResolver 对每个解析后的字体对象 (PDFFont) 做缓存（fontCache），避免重复嵌入。

整个过程纯 JavaScript 完成：提取和原生绘制依赖 pdf-lib + pdfjs-dist，浏览器模式额外依赖 puppeteer-core（系统 Chrome/Edge 可执行文件）。不需要打开真实浏览器窗口，原生模式完全无浏览器依赖。

许可证

MIT