c# - 从 PDF 中删除文本

Question

我正在寻找一种解决方案来从 pdf 中删除/删除所有文本。我已经使用 iTextSharp 一段时间了，用它从 pdf 中提取文本很容易(不使用 OCR)。但是我找不到删除文本的选项。

This solution坦率地说，这对我不起作用。

    page.GetAsArray(PdfName.CONTENTS);

为我返回 null，在使用 PdfName.Text 和我尝试过的其他一些方法时也是如此。

使用哪个库并不重要，我只是认为 iTextsharp 应该能够做到这一点。但是，如果有其他(免费)解决方案，请提供

编辑:只是为了明确为什么我要从 pdf 中删除所有文本

我想缩小 pdf 的大小。我通过降低 pdf 中图像的分辨率来实现此目的。然而，在很多情况下，矢量图像占据了大部分空间。所以我想到了以下几点: 删除所有文本，然后将剩余的 pdf(仅包含图像和矢量)转换为位图 (jpeg)。之后我再次将文本粘贴到上面。 另一种选择是使文本不可见，但我认为这并不容易。

Answer 1

1. 页面字典的 /Contents 并不总是由数组组成。很明显，如果内容存储为流，则 GetAsArray() 返回 null。
2. 假设您使用 GetAsStream() 并从流中删除了所有文本内容，那么 XObject 中可能仍然有文本内容。该文本不会从内容流中引用，但 iText 无法将 XObject 作为“未使用的对象”删除，因为这些对象仍会从页面字典中的 /Resources 中引用.

请阅读ISO-32000-1找出你做错了什么。