Oldalak operátorai → JSON

Elemzi a PDF tartalomfolyamait és exportálja az operátorokat/operandusokat (TJ/Tj, Do, cm, q/Q…) oldalanként JSON formátumban — helyben a böngészőben.

PDF importálása

Nincs adat küldve a szerverre: minden a böngészőjében történik.

← Vissza a PDF eszközökhöz

Használati esetek

Szöveg renderelésének hibakereséseMegérteni, miért nem jelenik meg a szöveg, fordítva van, vagy rossz helyen van (mátrixok, vágás, sorrend).
Megjelenített képek azonosításaAzonosítani, hogy mely erőforrások (XObject) vannak rajzolva egy oldalon és milyen sorrendben (Do operátor).
Technikai elemzés / visszafejtésEgy harmadik fél által generált PDF tanulmányozása a tartalom struktúrájának megértéséhez (műveletek és paraméterek).

Amit kapsz

Egy JSON oldalanként, amely felsorolja az operátorokat és operandusaikat (a végrehajtási sorrend megőrzésével).

Használható információk a detektálási szabályok írásához (pl. szöveg nélküli oldalak, transzformációk jelenléte stb.).

Korlátok és figyelmeztetések

Nagyon technikai kimenet: a PDF leíró nyelvét tükrözi, nem egy "emberi" tartalom reprezentációt.
A streamek tömörítettek/szűrtek lehetnek: a kinyerés a motor dekódolási képességétől függ.
Nagy PDF-ek esetén az exportálás terjedelmes lehet: ha lehetséges, célozzon meg egy oldalt/tartományt.

Gyakori kérdések

Helyettesíti a szöveg kinyerését?

Nem. Ez egy hibakereső eszköz: az alacsony szintű műveleteket mutatja, nem a rekonstruált szöveget.

Sok "q" és "Q" van, ez normális?

Igen: ezek a grafikai állapot (stack) mentései/visszaállításai, amelyek nagyon gyakoriak.

Mire jó a „cm”?

Ez egy transzformáció (mátrix), amelyet a koordináta-rendszerre alkalmaznak: gyakran váratlan pozíciók/forgások okaként.

Tipp

Hibakeresési tipp: keresse a "Tj/TJ" (szöveg) és "Do" (XObject) körüli szekvenciákat, hogy megértse a tényleges megjelenítési sorrendet az oldalon.