什么是隐藏文字?
隐藏文字是页面上看不见,但确实存在于 PDF 数据中的文字。有的是有意生成,有的是无意留下。典型例子是扫描PDF上的 OCR 文字层:图像之后放着看不见的文字,使搜索和复制成为可能,这是正当用法。真正出问题的,是以为已经遮住了敏感信息,文字却还留在文件里。
隐藏文字是怎么产生的
主要有四种来源。一是 OCR 层,为了搜索而有意隐藏。二是白底上的白字,看起来是空白,复制时却会出现。三是覆盖黑框的做法:黑框只是盖住文字,下面的文字原样保留,仍然可以选中和复制。四是旧的编辑或其他图层里残留的文字,早先版本的内容可能以不可见的形式埋在文件里。
如何检查 / 想真正删除时
检查的办法是全选页面复制,或者导出为文本再阅读;如果出现了屏幕上没有的词,就说明有隐藏文字。想真正删除,必须去掉文字本身,而不是遮住外观:对目标区域做涂黑处理,并把页面重建为图像,下面的文字便不复存在。相反,只放黑框或涂白,只是改变了外观。
在 AuraDoc 中使用
PDF 转文本 会导出页面中的所有文字,可用来核对隐藏内容。PDF涂黑 把选定区域涂黑,并将页面重建为图像,所以下面的文字不会残留。清理 PDF 会移除脚本、元数据、嵌入文件和表单字段。每个结果都是新文件,原文件保持不变。
用到这个术语的工具
提到这个术语的指南
常见问题
- OCR 层也算隐藏文字问题吗?
- 不算。那是让搜索和复制成为可能的正当机制。问题出在不该被看到的内容以不可见的形式留在文件里。
- 盖一个黑框,文字就消失了吗?
- 不会。黑框只是覆盖,数据原封不动。选中复制后,下面的内容可能照样出现。
- 怎样找出隐藏文字?
- 全选页面复制,或导出为文本,边读边核对有没有屏幕上不存在的词。发现后,用涂黑处理把文字一并去除。