從PDF中刪除文本

我正在尋找解決方案來從pdf中刪除/刪除所有文本。我已經使用iTextSharp一段時間了，從PDF中提取文本很容易（在使用OCR的時候）。但是我找不到刪除文本的選項。從PDF中刪除文本

This solution坦率地說不適合我。

page.GetAsArray(PdfName.CONTENTS);

返回null對我來說，也使用PdfName.Text時和其他一些我已經試過。

要使用的庫並不重要，我只是認爲iTextsharp應該能夠做到這一點。但是，如果有另一個（免費）解決方案，把它

編輯：只是爲了清楚，爲什麼我想從PDF文件

我想，以減少PDF文件的大小，刪除所有文本。我通過降低pdf中圖像的分辨率來做到這一點。然而，在很多情況下，矢量圖像佔據了大部分空間。所以我想到了以下內容：刪除所有文本，而不是將剩餘的pdf（僅包含圖像和向量）轉換爲位圖（jpeg）。之後，我再次將文字粘貼在它上面。另一種選擇是將文本隱藏，但我認爲這並不容易。

來源

2012-10-01 Chumbawamba

只是爲了澄清，你試圖刪除從PDF文本，但保留圖像的完整？ –

準確地說，史蒂夫Czetty – Chumbawamba

爲了更清楚地說明：你想刪除所有可識別文本的痕跡，所以在它的地方是白色區域？或者你想將由字體組成的文本轉換成小光柵圖像，這樣copy'n'pa'ing同一文本不再工作（但讀取它仍然有效）？或者，將完整的PDF頁面轉換爲一個光柵圖像（而不是一組矢量對象），這樣copy'n'paste不再起作用了？ –

頁面字典的/Contents並不總是由數組組成。如果內容被存儲爲流，則顯然GetAsArray()返回null。
假設您使用GetAsStream()並從流中刪除所有文本內容，那麼您仍可能在XObjects中有文本內容。該文本不會從內容流中引用，但iText將無法將XObject作爲「未使用的對象」移除，因爲對象仍將從頁面字典中的/Resources引用。

請閱讀ISO-32000-1以瞭解您做錯了什麼。

來源

2012-10-02 09:13:20

'GetAsStream（）'確實會返回一些內容。但是如果我從流中刪除所有內容，整個頁面都是空白的，圖像也會被刪除。如何只刪除流中的文本？謝謝 – Chumbawamba

您需要解析PDF語法，保留所有圖形狀態操作符，並保留所有圖形狀態操作符。對於每個'Do'操作符，您都需要檢查是否正在處理Form XObject或Image XObject。您必須保留所有Image XObjects，並檢查所有Form XObjects（再次丟棄文本，並保留圖形狀態和圖像）。如果你僱用某人來做這件事，那麼請指望支付2至3天的工作時間。 –

對不起，但我不僱用某人爲我做這件事.. 我更新了我的問題，爲什麼我想刪除所有文本。 – Chumbawamba

現在你已經更新了你的問題，並透露預期措施的動機，讓我來告訴你真相：

這些措施絕不會減少 PDF文件的大小。
相反，他們會導致一個巨大的增加文件：
1. 先刪除文本+字體可能會導致尺寸略有縮小，是的。
2. 然後，將頁面的剩餘部分轉換爲位圖後，肯定會大幅增加大小（或者您同意非常低的圖像質量，也許？）。
3. 最後'粘貼'文本再次會增加文件大小（很可能與第一步中保存的文件大小相同）。

這不是一個很好的計劃都沒有。

如果您提供了一個典型示例PDF文件的鏈接，我可能會想出一個Ghostscript（加上其他工具）命令行，它可以直接使用，並且可以更有效地縮小PDF大小。

來源

2012-10-03 11:54:56

我很抱歉，我不能分享pdf，但我可以告訴你。所有pdf的尺寸都是A4。它們通常包含很多非常詳細的矢量圖像，它們佔用幾個MB，而作爲位圖，它們可以是100kb。我做了我對文件大小的研究，差異是顯着的。 – Chumbawamba

要刪除PDF中的所有文本，最簡單的解決方案是使用ghostcript

gs -o output_no_text.pdf -sDEVICE=pdfwrite -dFILTERTEXT input.pdf

來源

2016-10-05 14:35:44 user3492925

從PDF中刪除文本

回答

相關問題