iOS -区分背景文本(水印)和真实文本

Question

我有一个带有水印的pdf。当开始扫描高亮显示任何在背景上有水印或注释的单词时，它会被选中，因为它首先在触点区域被找到。

我正在使用CGPDFScanner扫描文本。

我的问题是如何检测扫描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，你没有机会可靠地区分“背景”和“真实”文本。文本是按某种顺序在页面的某个位置绘制的，前景、背景、普通文本是人类感知的问题，可能根本不反映在PDF内容流的结构中。

你可以尝试一些有教养的猜测，例如假设“真实”文本是强颜色的，而背景文本是浅色的，或者“真实”文本是以水平线排列的，而背景文本通常是对角线的，等等。但这毕竟是猜测，没有什么可以确定的。

另一方面，在标记PDF的情况下，您可能有机会，水印可能被标记为工件数据。

PS我刚刚看到你又分享了你的文件。如果您的文档中我提到的启发式方法能够工作，背景文本是灰色的，并以对角线打印。

因此，在扫描时，必须跟踪填充颜色和/或转换矩阵。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。

但是，请注意，对于所有的文档来说，这并不是那么容易。