如何在 PDF 中插入不可见的文本？答案

【问题标题】：How to insert invisible text into a PDF?如何在 PDF 中插入不可见的文本？
【发布时间】：2011-07-05 12:41:06
【问题描述】：

我想在现有 PDF 文件中插入不可见文本，使其可搜索。

我应该使用什么库？
我希望能提供指向特定 API 方法的链接。

免费，最好是开源的。
非常感谢！

（对于好奇的：我想在 Alfresco 存储库中自动 OCR 传入扫描的论文并使其可搜索）

【问题讨论】：

@AndrewMorton “这能回答你的问题吗？” - 这不太可能。毕竟这里的问题是关于常规文本，它应该是不可见的，而不是元数据。此外，这个问题已有近 9 年的历史，并以一个公认的答案结束。机会是操作同时不再处理该问题......
@mkl OP 可能不知道当时可以将元数据添加到 PDF 文档中，并且它将是 indexed by Alfresco。这个问题现在被认为是题外话，因为它要求一个图书馆，但我认为副本会更有用。
仍然是一个有用的问题，但现在建议有自己的网站，所以我只是在那里发布了同样的问题：softwarerecs.stackexchange.com/questions/71464/…
@AndrewMorton 没有。这种作为重复的关闭是不正确的。 OCR 文本的数量使得 pdf 元数据的放置位置完全错误。

【解决方案1】：

3 个选项。我的答案是特定于 itext 的，但您应该能够将底层方法转换为任何足够先进的 PDF 库。

文本渲染模式 3：“无描边，无填充”。使用 iText：myPdfContentByte.setTextRenderMode(PdfContentByte.TEXT_RENDER_MODE_INVISIBLE);
在某物后面画出文字。您可能正在使用扫描的页面图像。 iText myPdfStamper.getUnderContent(pageNum) 让这一切变得简单，并让您在扫描下绘制文本。允许您访问页面内容的其他库可能要求您在现有内容流的开头添加“原始”文本。您需要查看“PDF Spec”（谷歌，你会没事的）了解详细信息。第 9 章是关于文本渲染的。
在页面的媒体或裁剪框之外绘制文本。如果您只是想让一些熟悉 PDF 的随机搜索引擎打开您的页面，这将起作用，但如果您希望查看 PDF 的人看到适当的文本选择框……就不用这么多了。

【讨论】：

【解决方案2】：

This 显示如何创建包含文本的 PDF 文档，this 显示如何添加图像。首先添加文本，然后在其顶部添加图像 - 文本将对最终用户变得“不可见”，但仍可被搜索引擎搜索。 This 也可能有用。

【讨论】：

【解决方案3】：

您不必使文本不可见。只需将它们呈现在适当的位置，但将扫描的图像覆盖在文本上。或者，您可以在图像上渲染文本并将笔触和画笔颜色的 alpha 值设置为零。

【讨论】：

当然，只要文本对最终用户不可见，一切都很好（这就是我所说的“不可见”）。您将为此使用哪个库的哪些 API 方法？
如果您已经拥有 OCR 文本和使用其他组件的扫描图像，那么大多数 PDF 库将能够在页面上呈现扫描图像，然后在其上呈现单独的文本。您应该在页面上呈现文本，而不是在图像上，只需将文本元素覆盖在 PDF 页面中的图像元素上。我在一家生产商业 PDF 组件的公司 (www.gnostice.com) 工作，但我猜你应该能够使用 PDFBox 或 iText。