如何检查 PDF 里的隐藏文字

一份 PDF 可以携带你从未看到的文字。页面看起来干净，但底层文件里可能藏着与背景颜色相同的文字，缩小到不足一点（pt），被推到页面边缘之外，或者被放进一个默认关闭的图层。这些内容在阅读文档时都不会显示。但它们都仍在文件里，任何提取文字的程序——搜索引擎、简历解析器、AI 摘要工具——都能完整读到它们。

这篇文章介绍两种检查方法：在任意 PDF 阅读器里就能完成的快速手动方法，以及能捕捉手动方法遗漏情况的结构扫描。

隐藏文字为什么存在

要理解文字藏在哪里，先要知道 PDF 是如何存储文字的。一份 PDF 同时保存着两样看起来应该一致、实际却未必一致的东西：可视页面，也就是一组绘制指令，以及文本层，也就是放置在具体坐标上的实际字符数据。当你用鼠标选中文字时，选中的是文本层。当你查看页面时，看到的是绘制指令渲染出的结果。

这两者可以互相矛盾。文字可以留在文本层里，而绘制指令让它变得不可见——颜色与页面相同、字号为零、被推到一旁，或者被明确设置成“渲染但不画出任何东西”的模式。这些文字对提取而言完全存在，对人眼而言完全不存在。这个落差，就是整套把戏的关键。

最快的手动测试：全选并复制

最快的检查不需要任何工具。打开 PDF，按 Ctrl+A（Mac 上是 Cmd+A）选中页面上的全部内容，复制后粘贴到一个纯文本编辑器里。

然后对比。如果粘贴出来的文字里出现了页面上看不到的句子、段落或指令，你就发现了隐藏文字。这是因为“全选”抓取的是整个文本层，无论它是如何被绘制出来的。白底白字会像普通文字一样被高亮、被复制——选中框往往会在原本看起来空白的地方显出一条淡淡的色带。

拖动选择时留意两个信号：

空白区域出现高亮矩形。如果空白的边距或间隙在选中时亮了起来，说明那里有内容。
粘贴出来的内容比你读到的更长。一份单页文档粘贴出三页文字，说明还有两页藏在某处。

这个方法对最常见的手法——把文字颜色调成和背景一致——非常可靠，而且只需要十秒钟。

它的局限

全选复制是一个好的第一步检查，但并不完整。它会漏掉几种真实存在的情况：

页面外文字位于裁剪区域之外，普通的拖动选择可能选不中，复制可见页面时也可能不会包含它。
隐藏图层（默认关闭的可选内容）通常不会渲染，也不会被选中，但其中的文字仍留在文件里，能被其他软件提取。
极小字号可能小到你根本注意不到那道高亮，尤其是背景比较杂乱的时候。
批注——评论和便签文字——存在于单独的结构里，复制页面时往往根本不会带出来。

换句话说，这个手动测试能告诉你什么时候明显有问题，却不能告诉你文件是干净的。

手动开启隐藏图层

如果想手动排查图层，一些桌面阅读器提供了相应功能。在 Adobe Acrobat 里，侧边栏的图层面板会列出所有可选内容组，并允许切换它们的可见性。把每个图层都打开，重新读一遍页面。只有在打开一个默认关闭的图层后才出现的内容，就是作者选择默认不展示给你的内容。大多数阅读器，包括浏览器自带的 PDF 阅读器，根本不提供图层面板，这正是基于图层的藏匿手法能够奏效的原因。

结构扫描

检查 PDF 更彻底的方式，是直接读取文件结构，而不是相信任何阅读器选择展示的内容。结构扫描会逐条走过文本层里的每一段文字，检查人眼无法判断的属性：相对页面背景的精确填充颜色、字号、相对裁剪框的坐标、渲染模式、每段文字所属的图层，以及文件中完全不参与渲染的部分——嵌入的附件、JavaScript、批注内容。

这正是本站扫描工具所做的事。你把一份 PDF 拖进去，它会解码文件，报告每一处隐形或近乎隐形的文字，连同页码和内容一起列出，报告每一个被隐藏的图层，以及任何匹配已知的、面向 AI 阅读者的指令模式的文字。它检查的是属性，不是像素，所以白底白字、渲染模式 3、极小字号这几种手法都会以同样的方式被发现——被标记出实际隐藏的文字和所在页码，交由你自己判断每一条发现。完全裁剪到页面之外的文字是唯一的例外：PDF 引擎会在文本提取之前就把它裁掉，所以没有内容可供引用。扫描报告转而给出通常伴随这种手法出现的裁剪框不匹配问题——页面的裁剪区域小于其完整的原始尺寸，是内容被裁出可视范围的一个信号。

它完全在你的浏览器里运行。文件在一个 WebAssembly 沙箱里本地解码，不会被上传——当你要检查的文件是一份合同、一份收到的简历，或是一篇尚未发表的论文时，这一点尤其重要。

一套实用的操作顺序

全选、复制、粘贴到文本编辑器里。读一读粘贴出来的内容，和页面对比。
如果你的阅读器有图层面板，把每个图层都打开，重新读一遍。
运行一次结构扫描，捕捉手动检查看不到的裁剪框不匹配（内容被裁出页面后留下的信号）、隐藏图层、极小字号、渲染模式手法，以及注入模式。
结合上下文读一读被标记的文字。不是每一条发现都是恶意的——一份裁剪过的扫描件或一个正当的小号图注标签都可能触发检测——但每一条发现都是有人放进文件、又不想显示在页面上的文字。

没有哪一种单独的检查是完备的，即使是一次干净的结构扫描，也不能证明文件安全：比如烘焙进图片里的文字，对文本层分析来说就是不可见的。但全选复制测试加上结构扫描这个组合，能捕捉到流通中绝大多数的隐藏文字手法，而且只需要一分钟。

想了解这类文字通常藏在哪些位置，可以看PDF 里文字可以藏在的 10 个地方。如果你发现的内容看起来是想操纵 AI 阅读者，而不只是躲开人眼，PDF 提示词注入解释了这类表述长什么样、又为什么会出现。

想现在就检查一份文件？用首页的工具扫描一份 PDF，查找隐藏文字。它在本地运行，不会有任何内容离开你的浏览器。