2

我的任务是为我们公司创建一个 pdf 阅读器应用程序。经过一些研究，我对 PDF 中的不同运算符感到困惑。以下是我想澄清的几件事：

  • 运算符用作每条线的Tm起点。（我的理解正确吗？）

  • 如果Tm运算符是每一行的起点，我如何解析仅在指定范围内显示的文本Tm？例如：

     BT
    0 0 1 rg
    /Ti 12 Tf
    1 0 0 1 100 100 Tm
    0 0 Td
    (The quick brown fox ) Tj 0 −13 Td
    (ate the lazy mouse.) Tj
 ET
 //I only want to get the Tj and TJ string being positioned by the Tm

  • 我知道每 1000 个单位的字形高度和宽度相当于 1 个单位的文本空间。因此，如果字形宽度为 2000，高度为 1060，这是否意味着它的“真实”宽度和高度分别为 2 和 1.06？

现在我知道其中一些问题听起来非常愚蠢，但我真的没有太多时间研究。因此，如果有人可以帮助我理解这一点，那将不胜感激。

注意：pdf 阅读器应用程序必须包含搜索和突出显示功能、文本选择、注释、书签等。几乎可以在当今几乎所有可用的阅读器中找到所有基本内容。我可能会为此使用第三方库来让我的生活更轻松，但我最大的问题是文本选择功能。所以我真的需要明白这一点。

4

2 回答 2

7

您需要熟悉PDF 规范，附件 A 包含所有运算符的摘要，以及指向有关参数的更详细文档的链接，因此这可能是一个很好的起点。

Tm算子不一定要设置每一行的起点，一般是设置文本矩阵，就Quartz2D而言基本相当于a CGAffineTransform。要移动到下一行，文档还可以使用、Td或运算符。PDF 文档不一定按照屏幕上显示的顺序绘制文本，它们可以在页面上自由移动，并以它们认为合适的任何顺序放置字形。PDF 并没有真正的“线”概念，您必须自己从字形的位置推断出那些（这对于下标/上标之类的东西可能很棘手）。TD"T*

于 2012-06-29T09:28:28.870 回答
5

嗯……那么，你的任务是一项非常重要的工作。你应该告诉你的他们 PDF-1.7 规范是一个大约 800 页的密集文档......

是的，为此使用第三方库是一个非常好的主意。一个人不可能实现一个符合标准的 PDF 阅读器，它可以真实地显示所有可能嵌入在 PDF-1.7（ISO 规范）文件中的图形对象、字体、颜色、透明度、矢量图形、图像......。

您需要注意的前几件事：

  • PDF 建立在与 PostScript 相同的图形模型上。（但 PostScript 是一种图灵完备的编程语言，而 PDF 已经——故意！——剥夺了所有编程语言的能力。）
  • 与 PostScript 一样，PDF 图形描述“语言”使用堆栈，并且它使用倒置的“波兰符号”来表示表达式：运算符在最后，运算符的参数在前。要表达“1 + 2”，您可以在 PostScript 中写成“1 2 add” 。
  • PDF 几乎不是“基于行的”。因此，关于您的问题Tm：它不是新行的起点，而是表达式的结尾1 0 0 1 100 100：“前 6 个数字表示文本行矩阵的设置，现在设置为命名值”。Tm宁愿成为一行的结尾，也不愿成为一行的开始！
于 2012-06-29T15:56:10.143 回答