使用C#编辑PDF文本：如何查找并隐藏/删除指定文本短语？

我之前也碰到过类似的PDF文本处理需求，你提到的iTextSharp（现在推荐用它的升级版本iText 7）和Spire其实都有可行的解决办法，可能是之前没找对正确的用法，给你整理几个亲测有效的方案：

一、用iText 7（替代旧版iTextSharp） #

iTextSharp已经停止维护了，换成iText 7会更稳定可靠。核心思路是遍历PDF里的每个文本块，找到目标短语后，要么用白色覆盖它（相当于隐藏），要么直接移除文本内容。

方案1：用白色覆盖隐藏短语 #

这种方法简单直接，适合大多数原生PDF（能复制文本的那种），把目标短语所在的区域涂成白色，视觉上就看不到了。

C#代码示例：

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using iText.Kernel.Pdf.Canvas.Parser.Data;
using iText.Kernel.Pdf.Canvas.Parser.Listener;
using System.Collections.Generic;

public class PdfTextHider : IEventListener
{
    private readonly PdfDocument _pdfDoc;
    private readonly string _targetPhrase;
    private readonly List<Rectangle> _matchAreas = new List<Rectangle>();

    public PdfTextHider(PdfDocument doc, string targetPhrase)
    {
        _pdfDoc = doc;
        _targetPhrase = targetPhrase;
    }

    public void EventOccurred(IEventData data, EventType type)
    {
        if (type != EventType.RENDER_TEXT) return;
        
        var renderInfo = (TextRenderInfo)data;
        var text = renderInfo.GetText();
        
        if (text.Contains(_targetPhrase))
        {
            // 获取短语对应的页面矩形区域
            var phraseRect = renderInfo.GetDescentLine().GetBoundingRectangle();
            _matchAreas.Add(phraseRect);
        }
    }

    public ICollection<EventType> GetSupportedEvents()
    {
        return new List<EventType> { EventType.RENDER_TEXT };
    }

    public void HideTargetPhrases()
    {
        foreach (var page in _pdfDoc.GetPages())
        {
            _matchAreas.Clear();
            var processor = new PdfCanvasProcessor(this);
            processor.ProcessPageContent(page);

            // 用白色矩形覆盖匹配到的区域
            var canvas = new PdfCanvas(page.NewContentStreamBefore(), page.GetResources(), _pdfDoc);
            canvas.SetFillColor(iText.Kernel.Colors.ColorConstants.WHITE);
            
            foreach (var rect in _matchAreas)
            {
                canvas.Rectangle(rect);
                canvas.Fill();
            }
        }
    }
}

// 使用方式
using (var pdfDoc = new PdfDocument(new PdfReader("你的输入文件.pdf"), new PdfWriter("处理后的文件.pdf")))
{
    var hider = new PdfTextHider(pdfDoc, "Hello World");
    hider.HideTargetPhrases();
}

方案2：彻底删除文本内容 #

如果不想只是视觉隐藏，要彻底从PDF内容流里删掉目标短语，就得操作PDF的底层内容流了，稍微复杂一点，但更彻底。

C#代码示例：

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas;
using iText.Kernel.Pdf.Canvas.Parser.Util;
using System.Collections.Generic;

public class TextRemover : PdfCanvasEditor
{
    private readonly string _targetPhrase;
    private readonly StringBuilder _currentText = new StringBuilder();

    public TextRemover(string targetPhrase)
    {
        _targetPhrase = targetPhrase;
    }

    public override void Write(PdfCanvasProcessor processor, PdfLiteral operatorLit, List<PdfObject> operands)
    {
        var op = operatorLit.ToString();
        if (op.Equals("Tj") || op.Equals("TJ"))
        {
            var text = PdfContentByteUtils.GetContentText(operands);
            _currentText.Append(text);

            // 如果当前文本不包含目标短语，才保留这个文本操作
            if (!_currentText.ToString().Contains(_targetPhrase))
            {
                base.Write(processor, operatorLit, operands);
            }
            else
            {
                // 清空缓存，避免后续匹配混乱
                _currentText.Clear();
            }
        }
        else
        {
            base.Write(processor, operatorLit, operands);
        }
    }
}

// 使用方式
using (var pdfDoc = new PdfDocument(new PdfReader("你的输入文件.pdf"), new PdfWriter("处理后的文件.pdf")))
{
    var remover = new TextRemover("Hello World");
    foreach (var page in pdfDoc.GetPages())
    {
        remover.EditPage(page);
    }
}

二、用Spire.PDF的正确操作方法 #

你之前用Spire没成功，大概率是没用到它专门的文本替换工具类。Spire.PDF提供了PdfTextReplacer，可以直接把目标短语替换为空字符串，相当于删除。

C#代码示例：

using Spire.Pdf;
using Spire.Pdf.Text;

class Program
{
    static void Main(string[] args)
    {
        var pdf = new PdfDocument();
        pdf.LoadFromFile("你的输入文件.pdf");

        // 创建文本替换器
        var replacer = new PdfTextReplacer(pdf);
        // 把目标短语替换成空，就是删除的效果
        replacer.Replace("Hello World", string.Empty);

        pdf.SaveToFile("处理后的文件.pdf");
        pdf.Close();
    }
}

小提示：Spire的免费版有页数限制，如果是大文件可能需要商业版，或者测试的时候用小文件先验证效果。另外，如果PDF布局复杂，还可以设置ReplacerOptions来提升匹配的准确性。

三、特殊情况：扫描版PDF #

如果你的PDF是扫描件（本质是图片），上面的方法都没用，因为没有可编辑的文本。这种情况需要先做OCR识别：

1. 用工具提取PDF里的图片
2. 用Tesseract OCR识别图片中的文本，定位到目标短语的位置
3. 用白色覆盖图片中对应区域
4. 把处理后的图片重新生成PDF

内容的提问来源于stack exchange，提问作者Karan Aggarwal