iOS - 在PDF中區分背景文字（水印）和真實文本

Question

我有一個pdf在背景上有水印。當開始掃描以突出顯示任何帶有水印或背景註釋的單詞時，會在觸摸區域中首先找到它，然後進行選擇。

我正在使用CGPDFScanner掃描文本。

我的問題是如何檢測如果掃描的文本是背景文本或PDF中的實際文本？如何區分標準文本和註釋文本？

謝謝。

Answer 1

一般來說，你沒有機會可靠地區分「背景」和「真實」文本。文本以某種順序在頁面上的某個位置繪製，而前景，背景，正常文本......是人類感知的問題，可能完全不會反映在PDF內容流的結構中。

你可以嘗試一些有教養的猜測，例如，假設「真實」的文本是強烈的顏色，而背景文本是淺色的，或者「真實的」文本是橫排的，而背景文本通常是更對角的，等等。但這畢竟是猜測，沒什麼可依賴的當然。

另一方面，如果標記爲PDF，您可能有機會，水印可能被標記爲工件數據。

PS我剛剛看到您再次分享了您的文件。如果您的文檔中提到的啓發式會起作用，那麼背景文本是灰色的並且是對角打印的。

因此，掃描時必須跟蹤填充顏色和/或轉換矩陣。只要掃描儀找到文本，就可以根據當前的顏色和/或矩陣值知道它是背景還是前景。

請注意，儘管如此，對所有文檔來說都不那麼容易。