使用 itextsharp 识别肉眼看不见但可使用 Acrobat 搜索的文本
Use itextsharp to identify text which is invisible to the eyes but searchable using Acrobat
我在使用 itextsharp 从 PDF 文件中提取内容时遇到了一个奇怪的情况。该文档有一小块人眼看不见的文本，但在使用 itextsharp 和通过 Acrobat 搜索时意外显示 Reader.
行为 - 在 Acrobat 中使用查找 Reader
当我搜索单词 "type text" 时，Acrobat Reader 将检测是否存在文本块。
行为 - 复制粘贴到记事本
人眼看不到这段文字。在执行批量 CTRL+A，然后是 CTRL+复制，然后是 CTRL+V 到记事本时，也会出现这个隐藏文本的小块。完整的短语是 [输入文字].
pdf 样本
https://drive.google.com/open?id=1Ytic9WWLseX8DgeJGyMGCgVgXuMOdytP
我正在使用自定义位置策略来阅读内容。 TextRenderInfo.GetStrokeColor 和 TextRenderInfo.StrokeColor 方法在整个文档中都为我提供了非 NULL 值。
矢量图
我知道矢量图有可能会遮挡一部分文本，从而使人眼看不到它，但仍然完全合法。我不能确定示例文档中发生了什么。
如果示例文档不是矢量图形遮挡的情况，那么itextsharp/itext的API是否提供检测此类"invisible"词的可能性？
谢谢，
秀
由于许多不同的构造，文本可能不可见：
- 有一种既不删除又不填充的文本绘制模式，
- 可以使用与背景相同的颜色绘制文本，
- 使用的字体可能只有空字形，
- 有些东西可能会覆盖文本，
- 透明度可能为 100%，
- 剪辑路径可能会排除文本，
- ...
因此，对于一般解决方案，您需要检查很多不同的情况...
对于您的示例文档，我们处于 "something may cover the text" 情况；更准确地说是您的想法
I understand that there is a possibility of vector graphics occluding a portioni of text , thereby making it invisible to the human eyes while still being completely legitimate. I can't say for sure what is happening in the sample document.
是正确的，在显示该区域的标题之前，在此勾勒出的区域上绘制了一个白色矩形：
这涵盖了在内容流的最开头绘制的“[Type text]”（否则可见）。
（实际上这个矩形被标记为一个不太合适的段落。）
If the sample document is not a case of vector graphic occlusion, then does the API of itextsharp/itext offer any possibility to detect such "invisible" words?
是矢量图遮挡的情况。尽管如此，还是可以使用 iText 识别像这样的关键星座：
如果您使用 LocationTextExtractionStrategy，您可以将其扩展为也收到有关路径绘制指令的通知（实施 [I]ExtRenderListener）。您可以在此处检查路径是否已填充（或用较大的线宽描边）。在这种情况下，您可以检查该策略已经收集的文本块是否存在重叠。如果有，您可以警告可疑构造。
您还不能 100% 确定这会使文本不可见，因为取决于当前的混合模式、透明度值、原始文本和路径填充颜色、遮罩以及原始文本的一些更模糊的细节可能会或可能不会发光（它甚至可能比以前更多可见）。
我在使用 itextsharp 从 PDF 文件中提取内容时遇到了一个奇怪的情况。该文档有一小块人眼看不见的文本，但在使用 itextsharp 和通过 Acrobat 搜索时意外显示 Reader.
行为 - 在 Acrobat 中使用查找 Reader
当我搜索单词 "type text" 时，Acrobat Reader 将检测是否存在文本块。
行为 - 复制粘贴到记事本
人眼看不到这段文字。在执行批量 CTRL+A，然后是 CTRL+复制，然后是 CTRL+V 到记事本时，也会出现这个隐藏文本的小块。完整的短语是 [输入文字].
pdf 样本
https://drive.google.com/open?id=1Ytic9WWLseX8DgeJGyMGCgVgXuMOdytP
我正在使用自定义位置策略来阅读内容。 TextRenderInfo.GetStrokeColor 和 TextRenderInfo.StrokeColor 方法在整个文档中都为我提供了非 NULL 值。
矢量图
我知道矢量图有可能会遮挡一部分文本，从而使人眼看不到它，但仍然完全合法。我不能确定示例文档中发生了什么。
如果示例文档不是矢量图形遮挡的情况，那么itextsharp/itext的API是否提供检测此类"invisible"词的可能性？
谢谢，
秀
由于许多不同的构造，文本可能不可见：
- 有一种既不删除又不填充的文本绘制模式，
- 可以使用与背景相同的颜色绘制文本，
- 使用的字体可能只有空字形，
- 有些东西可能会覆盖文本，
- 透明度可能为 100%，
- 剪辑路径可能会排除文本，
- ...
因此，对于一般解决方案，您需要检查很多不同的情况...
对于您的示例文档，我们处于 "something may cover the text" 情况；更准确地说是您的想法
I understand that there is a possibility of vector graphics occluding a portioni of text , thereby making it invisible to the human eyes while still being completely legitimate. I can't say for sure what is happening in the sample document.
是正确的，在显示该区域的标题之前，在此勾勒出的区域上绘制了一个白色矩形：
这涵盖了在内容流的最开头绘制的“[Type text]”（否则可见）。
（实际上这个矩形被标记为一个不太合适的段落。）
If the sample document is not a case of vector graphic occlusion, then does the API of itextsharp/itext offer any possibility to detect such "invisible" words?
是矢量图遮挡的情况。尽管如此，还是可以使用 iText 识别像这样的关键星座：
如果您使用 LocationTextExtractionStrategy，您可以将其扩展为也收到有关路径绘制指令的通知（实施 [I]ExtRenderListener）。您可以在此处检查路径是否已填充（或用较大的线宽描边）。在这种情况下，您可以检查该策略已经收集的文本块是否存在重叠。如果有，您可以警告可疑构造。
您还不能 100% 确定这会使文本不可见，因为取决于当前的混合模式、透明度值、原始文本和路径填充颜色、遮罩以及原始文本的一些更模糊的细节可能会或可能不会发光（它甚至可能比以前更多可见）。