【发布时间】：2012-01-24 06:38:02
【问题描述】：
我们正在使用 iText/PDFBox 从 PDF 中提取文本，但在 PDF 中不可见的其他文本也会被提取。是否有任何方法和/或工具可以摆脱这些隐藏文本？
【问题讨论】：
-
显示一些隐藏文本的示例？代码在哪里？
-
它是对pdf内容流的直接解析，其中隐藏的文本与普通文本一起被提取。图像或任何矢量图覆盖的文本也是这样出来的，因为似乎没有办法检测是否有任何物体被另一个物体覆盖。
-
我也有同样的问题。我有时需要“审查”文本，所以我用矩形覆盖区域。然后我打印为 pdf，所以矩形不再仅仅是注释。但仍然可以选择和复制矩形下的东西。现在我求助于事后转换为图像，但这并不优雅。
标签： pdf text extraction