Sideoperatører → JSON

Analyser indholdstrømmene i en PDF og eksportér operatører/operander (TJ/Tj, Do, cm, q/Q…) side for side i JSON — lokalt i browseren.

Importer en PDF

Ingen data sendes til en server: alt foregår i din browser.

Debug tekst gengivelseForstå hvorfor tekst ikke vises, er omvendt, eller er på det forkerte sted (matricer, clipping, rækkefølge).
Identificere viste billederIdentificere hvilke ressourcer (XObject) der tegnes på en side og i hvilken rækkefølge (Do-operator).
Teknisk analyse / reverseUndersøge en PDF genereret af et tredjeparts værktøj for at forstå dens indholdsstruktur (ops og parametre).

Et JSON pr. side, der lister operatører og deres operander (udførelsesrækkefølge bevaret).

Handlingsbare oplysninger til at skrive detektionsregler (f.eks. sider uden tekst, tilstedeværelse af transformationer, osv.).

Meget teknisk output: det afspejler PDF-beskrivelsessproget, ikke en "menneskelig" repræsentation af indholdet.
Strømmene kan være komprimerede/filtrerede: udtrækningen afhænger af motorens evne til at dekode dem.
For store PDF-filer kan eksporten være omfattende: mål mod en side/område hvis muligt.

Er det en erstatning for tekstudtrækning?

Nej. Det er et debug-værktøj: det viser lavniveauoperationer, ikke den rekonstruerede tekst.

Ser jeg mange "q" og "Q", er det normalt?

Ja: det er meget hyppige gemninger/gendannelser af grafisk tilstand (stak).

Hvad er formålet med "cm"?

Det er en transformation (matrix) anvendt på koordinatsystemet: ofte årsagen til uventede positioner/rotationer.

Debug-tip: søg efter sekvenser omkring "Tj/TJ" (tekst) og "Do" (XObject) for at forstå den reelle rækkefølge af visning på siden.