文件示例：file。
问题 - 使用 PdfTextStripper 提取文本时，页面开头的“资产”后有标记“9/1/2017”和“387986”，应删除，还有一些其他隐藏标记。
我已经应用了this 解决方案（所以我没有在这里复制粘贴它，因为实际上问题是完全一样的）并且隐藏的文本仍然出现在页面上。除了剪辑路径之外，它会被其他东西隐藏吗？ 谢谢！
【问题讨论】：
它会被除了剪辑路径之外的其他东西隐藏吗？
是的。如果是您的新文档，则文本以白底白字书写，例如在ASSETS 之后的387986 是这样绘制的：
1 1 1 rg
/TT0 16 Tf
-1011.938 115.993 Td
(@A,BAC)Tj
初始的1 1 1 rg 将填充颜色设置为RGB WHITE。 （此外，该文本非常小，但如果以例如黑色绘制，仍然可见。）
您提到的solution 是针对该问题中提供的示例文档之类的文档实现的，其中 通过定义剪辑路径（在文本所在的范围之外）和填充使不可见文本变得不可见路径（隐藏下面的文本）。因此，您的白色文本不会被它识别为隐藏。
不幸的是，在 WHITE 文本上识别 WHITE 的不可见性比被剪切或覆盖的文本更难确定，因为人们不仅需要知道当前图形状态的 a 属性（如剪切路径）或删除 a 内的所有文本给定路径，还需要在绘制文本之前知道页面部分的颜色（以检查 on WHITE 详细信息）。
另一方面，如果您假设页面背景本质上是白色，则忽略所有白色文本相当简单：只需在processTextPosition 中检测当前填充颜色：
PDColor fillColor = gs.getNonStrokingColor();
并将其与您想视为不可见的 WHITE 风味进行比较。 （通常与 RGB、CMYK 和灰度白色进行比较就足够了；在极少数情况下，您还必须正确解释更复杂的色彩空间。此外，您可能还认为几乎白色是不可见的，（.99、.99、. 99) RGB 几乎无法与 WHITE 区分开来。）
如果您发现当前颜色为白色，请忽略当前的TextPosition。
但请注意，就像您引用的解决方案一样，这还不是识别所有白色文本的最终解决方案：为此，您还必须检查文本呈现模式：如果它只是 填充 em> （默认值），上述情况成立，但如果它是（也）stroking，你将（也）必须考虑描边颜色；如果呈现不可见，则无需考虑颜色；并且如果文本渲染模式包括添加到路径以进行剪切，则您必须等待并确定稍后将在页面的这一部分中绘制的内容，只要剪切路径保持不变，这绝对不是微不足道的！
【讨论】：