如何在PDF中插入不可见文本？

Question

更新：请查看https://softwarerecs.stackexchange.com/questions/71464/java-library-to-insert-invisible-text-into-a-pdf

我想要将无形文本插入到现有的PDF文件中，以使其可搜索。

应该使用哪个库？
我希望能够提供使用的具体API方法的链接。

最好是免费的，最好是开源的。
非常感谢！

（对于好奇的人：我想自动OCR传入的扫描纸张并使它们在Alfresco存储库中可搜索）

- Nicolas Raoul

---

@AndrewMorton “这个回答解决了你的问题吗？” - 这是非常不可能的。毕竟，这里的问题是关于普通文本，仅仅是应该不可见，而不是元数据。此外，这个问题已经快9年了，并且已经有一个被接受的答案关闭了。很有可能，提问者现在已经不再处理这个问题了... - mkl

@mkl 当时，提问者可能不知道 PDF 文档可以添加元数据，而这些元数据将会被 Alfresco 索引。现在这个问题会被视为离题，因为它在寻求一个库，但我认为重复的答案更有用。 - Andrew Morton

这仍然是一个有用的问题，但现在推荐已经有了自己的网站，所以我只是在那里发布了同样的问题：https://softwarerecs.stackexchange.com/questions/71464/java-library-to-insert-invisible-text-into-a-pdf - Nicolas Raoul

@AndrewMorton 不是的。将其关闭为重复项是不正确的。OCR文本的数量使得将其放在PDF元数据中完全不合适。 - mkl

Answer 1

有三个选项。我的答案是针对itext的，但您应该能够将基本方法翻译到任何足够先进的PDF库中。

1. 文本呈现模式3：“无描边，无填充”。使用iText：myPdfContentByte.setTextRenderMode(PdfContentByte.TEXT_RENDER_MODE_INVISIBLE);
2. 在某物后面绘制文本。您可能正在使用扫描的页面图像。iText myPdfStamper.getUnderContent(pageNum) 可以轻松实现此目标，并允许您在扫描下方绘制文本。其他让您访问页面内容的库可能需要您在现有内容流的开头“原始”添加文本。您需要查看“PDF规范”（谷歌一下，您会没问题）以获取详细信息。第9章涉及文本呈现的所有内容。
3. 在页面的媒体或裁剪框之外绘制文本。如果您只想让一些随机的PDF搜索引擎找到您的页面，那么这将起作用，但如果您希望查看PDF的人看到适当的文本选择框，则不太适合。

- Mark Storer

Answer 2

这个展示了如何创建包含文本的PDF文档，这个则展示了如何添加图像。先添加文本，然后在其上面添加图像 - 文本将对最终用户“不可见”，但仍可被搜索引擎搜索。 这个也可能会有所帮助。

- nikhil500

---

我不想添加图片。正如我所说，我正在修改一个现有的PDF文件。 - Nicolas Raoul

好的，我有点假设扫描的页面是图像。在这种情况下，这个链接可能会有所帮助 - 你可以创建一个新的PDF文件，并将文本覆盖在原始PDF文件之上。 - nikhil500

Answer 3

您不必将文本渲染为不可见状态。只需在适当的位置上渲染它们，然后将扫描图像覆盖在文本上方。或者，您可以在图像上方渲染文本，并将笔画和刷子的颜色的 alpha 值设置为零。

- BZ1

---

当然可以，只要文本对最终用户不可见，任何方式都可以（这就是我所说的“不可见”）。您会使用哪个库的哪些API方法来实现呢？ - Nicolas Raoul

如果您已经使用其他组件拥有了OCR文本和扫描图像，那么大多数PDF库都能够在页面上呈现扫描图像，然后在其上呈现单独的文本输出。您应该在页面上呈现文本，而不是在图像上，只需将文本元素叠加在PDF页面中的图像元素上即可。我在一家制作商业PDF组件的公司工作（www.gnostice.com），但我猜想您应该能够使用PDFBox或iText。 - BZ1