PDFBox 2.0：PDFTextStripper提取到不可见括号字符的问题咨询

我来帮你拆解下这个问题里隐藏括号被提取的核心原因，结合你提到的表格金额列的情况，主要有这几种常见可能性：

• 字符透明度被设为完全透明：PDF里的单个字符可以通过ca或CA操作符设置透明度属性，如果这些括号的透明度被设为0，肉眼就完全看不到，但PDFTextStripper提取文本时默认不会过滤透明字符，所以会把这些括号一并提取出来。你可以用Adobe Acrobat这类PDF编辑器的文本编辑功能，选中对应区域查看字符的透明度参数来验证。

• 字符颜色与背景色完全重合：如果括号的颜色和表格单元格的背景色完全一致，视觉上就会“隐身”，但PDF的文本层里依然保留了这些字符的完整信息。PDFTextStripper是基于文本层读取内容，不受视觉颜色重合的影响，所以能提取出这些括号。你可以尝试在PDF里选中该区域复制后粘贴到记事本，就能直接看到隐藏的括号了。

• 字符被其他元素完全遮挡：有时候括号可能被表格的线条、填充色块或者其他文本元素完全覆盖，导致视觉上不可见，但PDF的文本结构里依然存在这些字符的记录。PDFTextStripper提取时只读取文本层数据，不管视觉上是否被遮挡，所以会把这些括号提取出来。

• 文档转换时的排版遗留问题：如果这个PDF是从Excel、Word这类文档转换而来，转换工具可能在处理带括号的金额格式时出现bug——比如把括号单独渲染到了单元格外或者视觉不可见的位置，但没有在文本层删除这些字符，最终导致视觉上看不到，但提取时能读到。

你提到的这段示例内容也能印证这个逻辑：

Publix Liquors 1,600 2.5 1/1/2014 12/31/2018 ($ 24,000.00) ($ 4,032.00) ($ 28,032.00)
BayCare Health Systems 3,200 5 7/30/2004 7/31/2018 ($ 51,200.00) ($ 9,648.00) ($ 60,848.00) No rent change until Option Period 8/11/2018……

这些括号在视觉上隐藏，但文本层的信息完整保留，所以会被PDFTextStripper提取出来。

内容的提问来源于stack exchange，提问作者D.F. Stones