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)
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)
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。
myPdfContentByte.setTextRenderMode(PdfContentByte.TEXT_RENDER_MODE_INVISIBLE);
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。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。