使用PyMuPDF屏蔽PDF邮箱ID后，hover屏蔽区域仍显示邮箱的问题求助

1. 问题根源 #

你遇到的是隐式文本链接场景：这类邮箱超链接并非通过显式的Annotation（注释）或Link对象存在，而是直接绑定在文本块的内容流中，常规的links/annots方法无法识别，导致屏蔽文本后，关联的URI动作仍保留，鼠标悬停时依然会显示邮箱地址。

2. 解决步骤 #

2.1 识别隐式邮箱链接 #

使用PyMuPDF的Page.get_text("dict")获取页面文本的结构化数据，遍历文本块的spans节点，筛选出带有mailto:前缀的URI动作：

import fitz

def find_hidden_email_links(page):
    text_dict = page.get_text("dict")
    email_links = []
    for block in text_dict["blocks"]:
        if "lines" not in block:
            continue
        for line in block["lines"]:
            for span in line["spans"]:
                if "uri" in span and span["uri"].startswith("mailto:"):
                    email_links.append({
                        "bbox": span["bbox"],
                        "uri": span["uri"],
                        "text": span["text"]
                    })
    return email_links

2.2 屏蔽文本并移除关联动作 #

找到目标链接后，需要同时完成两个操作：用矩形覆盖邮箱文本，以及修改页面内容流移除URI动作绑定：

def block_hidden_email_links(input_path, output_path):
    doc = fitz.open(input_path)
    for page in doc:
        email_links = find_hidden_email_links(page)
        for link in email_links:
            # 用白色矩形覆盖邮箱文本（可根据需求调整颜色）
            rect = fitz.Rect(link["bbox"])
            page.draw_rect(rect, color=(1, 1, 1), fill=(1, 1, 1), overlay=True)
            
            # 移除内容流中的URI动作指令
            content = page.get_contents()
            filtered_content = []
            target_uri = link["uri"]
            for line in content.splitlines():
                # 跳过包含目标URI的动作行
                if f"/URI ({target_uri})" in line:
                    continue
                filtered_content.append(line)
            # 更新页面内容流
            page.set_contents("\n".join(filtered_content))
    
    doc.save(output_path)
    doc.close()

# 调用示例
block_hidden_email_links("source.pdf", "processed.pdf")

3. 补充验证方案 #

如果仍有遗漏，可检查以下场景：

• 隐藏表单域：通过page.widgets遍历页面表单，删除关联邮箱的隐藏域
• 页面级动作：通过page.get_page_dict()获取页面动作字典，移除包含mailto:的条目

内容的提问来源于stack exchange，提问作者himasri choudhary