使用 pdfBox 禁用 pdf 文本搜索

Posted 2023-05-07

【中文标题】使用 pdfBox 禁用 pdf 文本搜索

【英文标题】：Disable pdf-text searching with pdfBox

【发布时间】：2018-03-27 07:49:30

【问题描述】：

我有一个 pdf 文档（无表单），我想在其中禁用使用 pdfBox (java) 的文本搜索。 我可以想象以下几种可能性：

扁平化文本 删除文本信息（不删除文本本身） 向文档添加叠加层。

目前我不知道如何实现它。有谁知道如何解决这个问题？

【问题讨论】：

虽然我的第一个问题是您为什么要这样做，但一个简单的解决方案可能是只为您的文本制作图像。你仍然可以图像 -> 文本它无论如何并搜索它。如果没有视觉混淆，你无法真正阻止这种情况，所以除了给搜索过程增加不必要的复杂层之外，我看不出它在哪里做任何事情。

该请求的原因是 pdf 包含不应向用户显示的关键信息。因此，我们添加了一个隐藏这些信息的框。但只有有了这个盒子，信息仍然是可搜索的。现在我正在寻找一种解决方案如何防止这种情况发生。

您应该使用实际的编辑，而不仅仅是用矩形覆盖。

【参考方案1】：

非常感谢您在这里的帮助。我想我找到了一种符合要求的方法。 （老实说，不是很干净）：

将矩形添加到地址部分 将 PDF 转换为图像 将图像转换回 pdf。

在丢失所有文本信息时，用户无法再看到关键信息。由于这个原因，这只是为了显示（最初的 PDF 文档不会改变），现在可以。

【讨论】：

我最终应用了这个完全相同的解决方案。不幸的是，代价是完全失去了文本导航（无法在页面中搜索，无法选择文本等）......现在就足够了。

【参考方案2】：

这取决于你的目标：

避免在某些文本上使用任何东西：打印、用黑色墨水标记，然后再次扫描；

删除敏感文本：您必须扫描内部文本，然后删除/替换它（使用 pdfbox），但有风险（某些文本被拆分）；

为查看器屏蔽一些文本：查找文本并添加一个黑色矩形（带有 pdfbox），但这不是很安全。您可以删除矩形，或使用其他工具来阅读文本。通常，如果里面有文字，一些工具可以找到它；

避免复制/粘贴文本（但不是搜索/查看）：使用安全选项，带密码：

见：https://pdfbox.apache.org/2.0/cookbook/encryption.html

PDDocument doc = PDDocument.load(new File("filename.pdf"));

// Define the length of the encryption key.
// Possible values are 40, 128 or 256.
int keyLength = 128;
// 256 => plante

AccessPermission ap = new AccessPermission();

// disable printing, everything else is allowed
ap.setCanPrint(false);

ap.setCanExtractContent(false);
ap.setCanExtractForAccessibility(false);

// Owner password (to open the file with all permissions) is "12345"
// User password (to open the file but with restricted permissions, is empty here)
StandardProtectionPolicy spp = new StandardProtectionPolicy("12345", "", ap);
spp.setEncryptionKeyLength(keyLength);
spp.setPermissions(ap);
doc.protect(spp);

doc.save("filename-encrypted2.pdf");
doc.close();