Sivun operaattorit → JSON

Analysoi PDF:n sisältövirrat ja vie operaattorit/operandit (TJ/Tj, Do, cm, q/Q…) sivu kerrallaan JSON-muotoon — paikallisesti selaimessa.

Tuo PDF

Mikään tieto ei lähetetä palvelimelle: kaikki tapahtuu selaimessasi.

Virheenkorjaus tekstin renderöinnissäYmmärrä, miksi teksti ei näy, on käänteinen tai on väärässä paikassa (matriisit, leikkaus, järjestys).
Näytettävien kuvien tunnistaminenTunnista, mitkä resurssit (XObject) piirretään sivulle ja missä järjestyksessä (operaattori Do).
Tekninen analyysi / käänteinenTutki kolmannen osapuolen työkalulla luotua PDF:tä ymmärtääksesi sen sisältörakennetta (toiminnot ja parametrit).

JSON jokaiselle sivulle, joka luettelee operaattorit ja niiden operandit (suoritusjärjestys säilytetty).

Hyödynnettävät tiedot sääntöjen kirjoittamiseen (esim. sivut ilman tekstiä, muunnosten läsnäolo jne.).

Erittäin tekninen tuloste: se heijastaa PDF:n kuvauskieltä, ei "inhimillistä" esitystä sisällöstä.
Streamit voivat olla pakattuja/suodatettuja: poiminta riippuu moottorin kyvystä purkaa ne.
Suuremmissa PDF:issä vienti voi olla suurta: kohdenna sivu/alue, jos mahdollista.

Korvaako tämä tekstin poiminnan?

Ei. Se on virheenkorjaustyökalu: se näyttää matalan tason toiminnot, ei rekonstruoitua tekstiä.

Näen paljon "q" ja "Q", onko se normaalia?

Kyllä: ne ovat erittäin yleisiä grafiikkatilan (pino) tallennuksia/palautuksia.

Mihin “cm” tarvitaan?

Se on muunnos (matriisi), joka sovelletaan koordinaatistoon: usein syynä odottamattomiin sijainteihin/käännöksiin.

Virheenkorjausvinkki: etsi "Tj/TJ" (teksti) ja "Do" (XObject) ympäriltä olevia sekvenssejä ymmärtääksesi todellisen näyttöjärjestyksen sivulla.