Seitenoperatoren → JSON

Analysieren Sie die Inhaltsströme eines PDFs und exportieren Sie die Operatoren/Operanden (TJ/Tj, Do, cm, q/Q…) seitenweise im JSON-Format — lokal im Browser.

PDF importieren

Es werden keine Daten an einen Server gesendet: alles geschieht in Ihrem Browser.

← Zurück zu den PDF-Tools

Anwendungsfälle

Textdarstellung debuggenVerstehen, warum Text nicht erscheint, umgekehrt ist oder am falschen Ort ist (Matrizen, Clipping, Reihenfolge).
Angezeigte Bilder identifizierenIdentifizieren, welche Ressourcen (XObject) auf einer Seite gezeichnet werden und in welcher Reihenfolge (Operator Do).
Technische Analyse / ReverseUntersuchen Sie ein von einem Drittanbieter generiertes PDF, um seine Inhaltsstruktur (Ops und Parameter) zu verstehen.

Was Sie erhalten

Ein JSON pro Seite, das die Operatoren und ihre Operanden auflistet (Ausführungsreihenfolge beibehalten).

Nützliche Informationen zum Schreiben von Erkennungsregeln (z. B.: Seiten ohne Text, Vorhandensein von Transformationen usw.).

Grenzen und Punkte zur Beachtung

Sehr technischer Output: Er spiegelt die PDF-Beschreibungssprache wider, nicht eine "menschliche" Darstellung des Inhalts.
Die Streams können komprimiert/gefiltert sein: Die Extraktion hängt von der Fähigkeit des Engines ab, sie zu dekodieren.
Bei großen PDFs kann der Export umfangreich sein: zielen Sie, wenn möglich, auf eine Seite/Spanne ab.

Häufig gestellte Fragen

Ersetzt das die Textextraktion?

Nein. Es ist ein Debugging-Tool: Es zeigt die Low-Level-Operationen, nicht den rekonstruierten Text.

Ich sehe viele "q" und "Q", ist das normal?

Ja: Das sind sehr häufige Speicher-/Wiederherstellungsoperationen des grafischen Zustands (Stack).

Wozu dient "cm"?

Es handelt sich um eine Transformation (Matrix), die auf das Koordinatensystem angewendet wird: oft die Ursache für unerwartete Positionen/Drehungen.

Tipp

Debugging-Tipp: Suchen Sie nach den Sequenzen um "Tj/TJ" (Text) und "Do" (XObject), um die tatsächliche Anzeige-Reihenfolge auf der Seite zu verstehen.