基于PdfSweep 4.0.1实现匹配字符串部分脱敏（留后四位）方案咨询

要实现匹配字符串仅保留最后四位、其余部分脱敏的效果，你可以通过自定义清理策略扩展iText PdfSweep的RegexBasedCleanupStrategy，核心思路是精准控制脱敏覆盖的区域，只覆盖匹配文本的前n-4位，保留最后四位。

具体实现步骤 #

1. 自定义清理策略类

继承RegexBasedCleanupStrategy，重写getRedactions方法，根据匹配文本的长度计算需要脱敏的区域：

import com.itextpdf.kernel.colors.ColorConstants;
import com.itextpdf.kernel.font.PdfFont;
import com.itextpdf.kernel.geom.Rectangle;
import com.itextpdf.pdfcleanup.autosweep.RegexBasedCleanupStrategy;
import com.itextpdf.pdfcleanup.autosweep.ITextLocation;

import java.util.Collections;
import java.util.List;
import java.util.regex.Pattern;

public class KeepLastFourCleanupStrategy extends RegexBasedCleanupStrategy {

    public KeepLastFourCleanupStrategy(Pattern pattern) {
        super(pattern);
    }

    @Override
    public List<Rectangle> getRedactions(ITextLocation location) {
        List<Rectangle> originalRedactions = super.getRedactions(location);
        if (originalRedactions.isEmpty()) {
            return originalRedactions;
        }

        String matchedText = location.getText();
        // 文本长度≤4时不脱敏
        if (matchedText.length() <= 4) {
            return Collections.emptyList();
        }

        Rectangle originalRect = originalRedactions.get(0);
        PdfFont font = location.getFont();
        float fontSize = location.getFontSize();

        // 计算需要脱敏的前缀文本宽度
        String prefixToRedact = matchedText.substring(0, matchedText.length() - 4);
        float redactWidth = font.getWidth(prefixToRedact, fontSize);

        // 构造仅覆盖前缀的脱敏矩形
        Rectangle redactRect = new Rectangle(
                originalRect.getX(),
                originalRect.getY(),
                redactWidth,
                originalRect.getHeight()
        );

        return Collections.singletonList(redactRect);
    }
}

2. 替换原代码中的策略实例

使用自定义策略替代原RegexBasedCleanupStrategy，并指定目标匹配正则：

import com.itextpdf.kernel.pdf.PdfDocument;
import com.itextpdf.kernel.pdf.PdfReader;
import com.itextpdf.kernel.pdf.PdfWriter;
import com.itextpdf.pdfcleanup.PdfCleaner;
import com.itextpdf.pdfcleanup.autosweep.ICleanupStrategy;

import java.io.File;
import java.util.regex.Pattern;

public class RedactPdfDemo {
    public static void main(String[] args) throws Exception {
        String SRC = "input.pdf"; // 你的源PDF路径
        String DEST = new File(SRC).getParent() + "/redacted_output.pdf";

        try (PdfDocument pdf = new PdfDocument(new PdfReader(SRC), new PdfWriter(DEST))) {
            // 示例：匹配"Alice"（大小写不敏感），可根据需求修改正则
            ICleanupStrategy cleanupStrategy = new KeepLastFourCleanupStrategy(
                    Pattern.compile("Alice", Pattern.CASE_INSENSITIVE)
            ).setRedactionColor(ColorConstants.PINK);
            
            PdfCleaner.autoSweepCleanUp(pdf, cleanupStrategy);
        }
    }
}

关键细节说明 #

• 区域计算逻辑：通过ITextLocation获取匹配文本的字体、字号，精准计算前缀文本的宽度，确保脱敏区域仅覆盖需要隐藏的部分。
• 边界处理：当匹配文本长度≤4时，直接跳过脱敏，避免误操作。
• 正则适配：你可以根据实际需求修改正则表达式（比如匹配手机号、身份证号等连续字符串），适配不同的脱敏场景。

备选方案（字体获取失败时） #

如果遇到无法获取字体对象的场景（比如加密PDF或特殊嵌入字体），可以用比例估算的方式计算脱敏宽度：

// 替代原redactWidth计算逻辑
float totalWidth = originalRect.getWidth();
int totalLength = matchedText.length();
float redactWidth = totalWidth * (totalLength - 4) / totalLength;

内容的提问来源于stack exchange，提问作者Dadhustle