iOS - 区分背景文本(水印)和PDF格式的真实文本

Question

我有一个带有水印的pdf背景.当开始扫描突出显示在背景上带有水印或注释的任何单词时,将首先在触摸区域中找到该单词.

我正在使用CGPDFScanner来扫描文本.

我的问题是如何检测扫描的文本是背景文本还是PDF格式的真实文本？如何区分标准文本和注释文本？

谢谢.

Answer 1

一般来说，您没有机会可靠地区分“背景”和“真实”文本。文本以某种顺序绘制在页面上的某个位置，什么是前景、背景、普通文本……是人类感知的问题，可能根本不会反映在 PDF 内容流的结构中。

您可以尝试一些有根据的猜测，例如假设“真实”文本为浓色，而背景文本为浅色，或者“真实”文本以水平线排列，而背景文本通常更对角线等。但这只是猜测毕竟，没有什么可以确定的。

另一方面，如果是带标签的 PDF，您可能有机会将水印标记为工件数据。

PS我刚刚看到你再次分享了你的文件。如果您的文档中我提到的启发式方法可行，背景文本是灰色的并且对角打印。

因此，在扫描时，您必须跟踪填充颜色和/或变换矩阵。一旦扫描仪找到文本，您就可以根据当前颜色和/或矩阵值知道它是背景还是前景。

但请注意，并非所有文档都那么容易。