Sideoperatører → JSON

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

Importer en PDF

Ingen data sendes til en server: alt skjer i nettleseren din.

Debug tekstgjengivelseForstå hvorfor tekst ikke vises, er omvendt, eller havner på feil sted (matriser, klipping, rekkefølge).
Identifisere viste bilderIdentifisere hvilke ressurser (XObject) som tegnes på en side og i hvilken rekkefølge (operatør Do).
Teknisk analyse / reverseringStudere en PDF generert av et tredjepartsverktøy for å forstå innholdsstrukturen (operasjoner og parametere).

Et JSON per side som lister opp operatørene og deres operander (utførelsesrekkefølge bevart).

Handlingsdyktig informasjon for å skrive deteksjonsregler (f.eks.: sider uten tekst, tilstedeværelse av transformasjoner, osv.).

Veldig teknisk output: det reflekterer PDF-beskrivelsesspråket, ikke en "menneskelig" representasjon av innholdet.
Strømmene kan være komprimerte/filtrerte: utvinning avhenger av motorens evne til å dekode dem.
For large PDFs, the export can be bulky: target a page/range if possible.

Er dette en erstatning for tekstutvinning?

Nei. Det er et debug-verktøy: det viser lavnivåoperasjoner, ikke rekonstruert tekst.

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

Ja: dette er svært vanlige lagringer/gjenopprettinger av grafisk tilstand (stakk).

What does “cm” do?

It’s a transformation (matrix) applied to the coordinate system: often the cause of unexpected positions/rotations.

Debug-tips: se etter sekvenser rundt "Tj/TJ" (tekst) og "Do" (XObject) for å forstå den faktiske visningsrekkefølgen på siden.