我的背景有pdf水印。当开始扫描突出显示任何带有水印或背景注释的单词时，首先会在触摸区域中找到它。
我使用CGPDFScanner扫描文本。
我的问题是如何检测扫描的文本是背景文本还是PDF格式的真实文本？如何区分标准文本和注释文本？
感谢。
答案 0 :(得分：3)
一般来说，你没有机会可靠地区分＆＃34;背景＆＃34;和＆＃34;真实＆＃34;文本。文本以某种顺序绘制在页面的某个位置，前景，背景，普通文本......是人类感知的问题，可能根本不会反映在PDF内容流的结构中。
你可以尝试一些有根据的猜测，例如：假设＆＃34;真实＆＃34;文字是强烈的颜色，而背景文字是浅色，或＆＃34;真实＆＃34;文本以水平线排列，而背景文本通常更倾斜，等等。但这毕竟是猜测，没有什么可以依赖的。
另一方面，如果标记的PDF可能有机会，水印可能会被标记为工件数据。
PS 我刚刚看到你再次分享了你的文件。如果您的文档中我提到的启发式方法可行，则背景文本是灰色的并且对角线打印。
因此，在扫描时，您必须跟踪填充颜色和/或转换矩阵。一旦扫描仪找到文本，您就会根据当前颜色和/或矩阵值知道它是背景还是前景。
请注意，所有文件并不容易。