使用PDFBox或等效库从PDF中删除大型令牌

Question

我有一个pdf：S与一个非常大的令牌贴在整个首页的许多pdf文档，见图片。我正在寻找一种自动方法来移除这些。

Apache PDFBox有一个相当广泛的API，有没有办法通过Regex匹配这些令牌，然后简单地删除它们并重新保存PDF？

Answer 1

您可以使用此答案中的PDFContentStreamEditor类（不要忘记应用答案底部提到的修复程序），如下所示：

try (   PDDocument document = ...   ) {
    PDPage page = document.getPage(0);
    PdfContentStreamEditor editor = new PdfContentStreamEditor(document, page) {
        @Override
        protected void write(ContentStreamWriter contentStreamWriter, Operator operator, List<COSBase> operands) throws IOException {
            String operatorString = operator.getName();

            if (TEXT_SHOWING_OPERATORS.contains(operatorString))
            {
                float fs = getGraphicsState().getTextState().getFontSize();
                Matrix matrix = getTextMatrix().multiply(getGraphicsState().getCurrentTransformationMatrix());
                Point2D.Float transformedFsVector = matrix.transformPoint(0, fs);
                Point2D.Float transformedOrigin = matrix.transformPoint(0, 0);
                double transformedFs = transformedFsVector.distance(transformedOrigin);
                if (transformedFs > 50)
                    return;
            }

            super.write(contentStreamWriter, operator, operands);
        }

        final List<String> TEXT_SHOWING_OPERATORS = Arrays.asList("Tj", "'", "\"", "TJ");
    };
    editor.processPage(page);
    document.save(...);
}

（EditPageContent测试TestRemoveBigTextKommersAnnonSelite)

你可以在参考的答案中找到一些解释。