Question

文件示例为here

我想我需要一些来自 mkl 的帮助（在附件中有一些隐藏的（）字符，这些字符是PDFTextStripper提取的。现在我不知道是什么让它变得不可见（例如请参阅第6列值 - 它们都在括号中：

Publix Liquors 1,600 2.5 1/1/2014 12/31/2018（$ 24,000.00）（$ 4,032.00）（$ 28,032.00） BayCare Health Systems 3,200 5 7/30/2004 7/31/2018（$ 51,200.00）（$ 9,648.00）（$ 60,848.00）在选择期8/11/2018之前无需更改租金

..............

你能否至少指出为什么他们在这种情况下隐藏？提前谢谢！

Answer 1

在这种情况下，您需要处理实际的透明度。

隐藏括号是由像

这样的指令块创建的

q
/Alpha3 gs
0 0 0 rg
BT
0 Tr
/Font0 14.299999 Tf
1.0 0 0 -1.0 537.66486 195.42578 Tm
0 0 Td
<037F>
Tj
ET
Q

资源中的扩展图形状态 Alpha3 被声明为

14 0 obj
<<
  /CA 0
  /ca 0
>>
endobj

因此，/Alpha3 gs将笔触和填充不透明度都设置为0，即使用填充或描边绘制的任何内容都是完全透明的。

在PDFBox PDFTextStripper中，可以在processTextPosition中从当前图形状态（getGraphicsState）检索这些值，作为属性getAlphaConstant和getNonStrokeAlphaConstant

PDFBox 2.0：来自PDFTextStripper的不可见文本

1 个答案: