Pagina-operators → JSON

Analyseer de content streams van een PDF en exporteer de operators/operandes (TJ/Tj, Do, cm, q/Q…) pagina voor pagina in JSON — lokaal in de browser.

Importeer een PDF

Er worden geen gegevens naar een server verzonden: alles gebeurt in uw browser.

Debug tekstweergaveBegrijpen waarom tekst niet verschijnt, omgekeerd is of op de verkeerde plaats staat (matrices, clipping, volgorde).
Afbeeldingen identificerenIdentificeer welke bronnen (XObject) op een pagina worden getekend en in welke volgorde (operator Do).
Technische analyse / reverseEen PDF bestuderen die door een derde partij is gegenereerd om de inhoudsstructuur (ops en parameters) te begrijpen.

Een JSON per pagina met een lijst van de operators en hun operand (uitvoeringsvolgorde behouden).

Informatie die bruikbaar is om detectieregels te schrijven (bijv.: pagina's zonder tekst, aanwezigheid van transformaties, enz.).

Zeer technische output: het weerspiegelt de PDF-beschrijvingstaal, geen "menselijke" weergave van de inhoud.
De streams kunnen gecomprimeerd/gefilterd zijn: de extractie hangt af van het vermogen van de motor om ze te decoderen.
Bij grote PDF's kan de export omvangrijk zijn: richt u indien mogelijk op een pagina/bereik.

Vervangt dit de tekstextractie?

Nee. Het is een debugtool: het toont de laag-niveau operaties, niet de gereconstrueerde tekst.

Ik zie veel "q" en "Q", is dat normaal?

Ja: dit zijn zeer frequente opslagen/herstel van grafische status (stack).

Wat is de functie van "cm"?

Het is een transformatie (matrix) die op het coördinatensysteem wordt toegepast: vaak de oorzaak van onverwachte posities/rotaties.

Debugtip: zoek naar de sequenties rond "Tj/TJ" (tekst) en "Do" (XObject) om de werkelijke weergavevolgorde op de pagina te begrijpen.