我明白你用PDFBox提取PDF文本时，想过滤掉带删除线的内容却遇到了方案失效的麻烦——那些Stack Overflow的帖子在多数场景下不管用确实让人头疼。给你推荐几个靠谱的替代库，每个都具备处理删除线文本的能力，适配不同的场景：

• iText 7
  这是PDF处理领域的老牌工具，对文本属性的识别非常精准。它的文本提取API可以直接访问文本的RenderMode，其中删除线对应的是RenderMode.STRIKE。你可以自定义TextExtractionStrategy，在renderText方法里判断文本的渲染模式，跳过带有删除线标记的内容。举个简单的代码片段：

  public class StrikeThroughFilterStrategy extends LocationTextExtractionStrategy {
      @Override
      public void renderText(TextRenderInfo renderInfo) {
          // 检查是否带有删除线渲染模式
          if (!renderInfo.getTextRenderMode().equals(RenderMode.STRIKE)) {
              super.renderText(renderInfo);
          }
      }
  }
  

  之后用这个策略提取文本，就能自动过滤掉带删除线的内容。

• Apache Tika
  Tika底层依赖PDFBox，但提供了更上层的解析封装。你可以扩展它的PDFParser，自定义文本提取逻辑：通过访问PDF的底层结构，检测文本的渲染属性或者关联的删除线图形，进而过滤掉目标内容。如果你的PDF里删除线是独立绘制的线条（不是文本自带属性），Tika也能结合图形检测逻辑来识别这些线条覆盖的文本区域。

• PDFClown
  这个库对PDF的底层结构访问更为细致，能直接获取文本的视觉属性和关联的图形元素。它可以识别两种类型的删除线：一种是文本自身的渲染属性，另一种是单独绘制的线条。你可以遍历PDF的页面元素，检查文本是否关联了删除线笔画，或者文本区域是否被线条覆盖，从而过滤掉对应内容。

额外提醒：有些PDF的删除线不是通过文本渲染模式标记的，而是单独绘制的直线，这时候任何库都需要额外的逻辑——检测文本边界框是否与直线的边界框有重叠，以此判断是否为删除线文本。这种场景下，PDFClown的图形元素处理能力会更有优势。

内容的提问来源于stack exchange，提问作者Shantanu Bansal