如何检测pdf中的隐藏文本

Question

我们正在使用iText / PDFBox从PDF中提取文本，但PDF中不可见的其他文本也会被提取。是否有任何方法和/或工具来摆脱这些隐藏的文本？

Answer 1

有许多不同的方法可以添加隐藏文字，包括

1. 隐藏在隐藏/不可见/已锁定的内容组图层
2. OCG上的白色文字颜色
3. 100％透明文字
4. ???

每个PDF可能使用不同的方法，并且能够将它们分开，您可能需要知道隐藏文本的实现方式。

iText有选项可以返回文字颜色吗？如果是，那么您可以尝试忽略白色文本对象。