Java PDFBox 2.0:来自PDFTextStripper的不可见文本

文件示例是

我想我再次需要mkl的帮助（在附件中有一些隐藏的（）字符，PDFTextStripper会提取这些字符。现在我不知道是什么使它不可见（例如，请参见第6列的值-它们都在括号中：

Publix Liquirs 1600 2.5 2014年1月1日2018年12月31日（24000.00美元）（4032.00美元）（28032.00美元） BayCare Health Systems 32005 7/30/2004 7/31/2018（$51200.00）（$9648.00）（$60848.00）在选择期2018年11月8日之前，租金不变

你能至少指出为什么它们会隐藏在这个案子里吗？

---

提前感谢！

在这种情况下，您需要处理实际的透明度

隐藏方括号是由如下指令块创建的

q
/阿尔法3 gs
0 0 rg
英国电信
0 Tr
/Font0 14.29999 Tf
1.0-1.0 537.66486 195.42578 Tm
0TD
Tj
ET
Q

资源中的扩展图形状态Alpha3被声明为

14 0 obj
>
endobj

因此，

/Alpha3 gs

将笔划和填充不透明度设置为0，即使用填充或笔划绘制的任何对象都是完全透明的

---

在PDFBox中，可以从当前图形状态（

getGraphicsState

）在

processTextPosition

中检索这些值作为属性

getAlphaConstant

和

getNonStrokeAlphaConstant

谢谢！您能指出一些我可以学习如何理解这些不同说明的资源吗？我从PDF规范中学习（您可以在Adobe上检索ISO 32000-1标准的副本：）对文本提取和编辑有着广泛的兴趣…例如，查看许多PDF的内部。谢谢。有太多的东西可以在结果PDF中隐藏文本，所以标准的PDFTextStripper几乎没有用…我想知道是否有库可以让所有工作人员只返回我们在PDFY中看到的内容。当事实上，在PDF中有很多不可见文本的方法，这些方法通常很少使用。您遇到的示例数量惊人！；）在许多用例中，标准文本提取返回想要的数据。更常见的抱怨是原始布局不受尊重，特别是对于表格内容。也就是说，在一些用例中，人们甚至想要检索不可见的文本，对他们来说，这不是一个bug，而是一个特性！无论如何，感谢您的巨大帮助！希望没有more剩余的方式：）