PDF Form XObject扁平化时隐藏重复内容异常显示问题求解

仅对用户可见内容执行扁平化的思路完全可以解决当前问题。
此前扁平化操作出现隐藏内容暴露的核心原因是：通用Form XObject扁平化逻辑未做可见性过滤，会将XObject资源下挂载的所有内容（包括被图层隐藏、绘制在页面可见区域外、被裁剪路径排除、被上层内容完全遮挡的重复内容）全部直接合并到页面内容流，绕过了PDF阅读器原生的可见性判断规则，最终导致原本隐藏的内容被展示出来。

基于PDFBox可按照以下逻辑实现可见内容定向扁平化，无需全量处理Form XObject内的所有内容：

• 先完成可见性标记，不直接全量拉取XObject内容
  模拟PDF阅读器的渲染判定逻辑，逐段解析页面内容流的绘制指令，提前标记三类无需处理的内容：
  • 归属可选内容组（OCG/图层）且默认状态为关闭的内容
  • 绘制坐标完全落在页面裁剪区域（CropBox）外的内容
  • 透明度为0、被上层不透明元素完全遮挡、或被当前裁剪路径完全排除的内容
• 仅合并标记为可见的XObject内容
  不要直接将XObject资源内的全量流替换到页面内容中，仅把标记为可见的XObject绘制片段，携带当前上下文的图形状态（坐标变换矩阵、裁剪参数、透明度值）内联到页面内容流，合并完成后删除对应XObject的引用即可。
• 针对当前文档特征加兜底过滤规则
  这类在Form XObject内存储整页重复隐藏内容的文档有明显特征：如果某Form XObject的尺寸和当前页面尺寸完全一致，且同一页面内多次引用同尺寸的整页XObject，仅保留Z序最高（内容流中最后绘制、层级最靠上）的可见实例，其余重复引用直接丢弃即可。

注意：不要直接调用PDFBox自带的全量flatten方法，该方法最初为表单字段扁平化设计，默认不做任何可见性校验，会将所有关联资源全量铺到页面上，必然触发隐藏内容泄露的问题。

内容的提问来源于stack exchange，提问作者fascinating coder