Operadores de página → JSON

Analise os fluxos de conteúdo de um PDF e exporte os operadores/operandos (TJ/Tj, Do, cm, q/Q…) página por página em JSON — localmente no navegador.

Importar um PDF

Nenhum dado é enviado para um servidor: tudo é feito no seu navegador.

Depurar renderização de textoEntender por que o texto não aparece, está invertido ou está no lugar errado (matrizes, recorte, ordem).
Identificar imagens exibidasIdentificar quais recursos (XObject) estão desenhados em uma página e em que ordem (operador Do).
Análise técnica / reversaEstudar um PDF gerado por uma ferramenta de terceiros para entender sua estrutura de conteúdo (ops e parâmetros).

Um JSON por página listando os operadores e seus operandos (ordem de execução preservada).

Informações utilizáveis para escrever regras de detecção (ex: páginas sem texto, presença de transformações, etc.).

Saída muito técnica: reflete a linguagem de descrição PDF, não uma representação “humana” do conteúdo.
Os streams podem ser comprimidos/filtrados: a extração depende da capacidade do motor de decodificá-los.
Em PDFs grandes, a exportação pode ser volumosa: direcione uma página/faixa se possível.

Isso substitui a extração de texto?

Não. É uma ferramenta de depuração: mostra as operações de baixo nível, não o texto reconstituído.

Vejo muitos “q” e “Q”, isso é normal?

Sim: são salvamentos/restaurações de estado gráfico (pilha) muito frequentes.

Para que serve "cm"?

É uma transformação (matriz) aplicada ao sistema de coordenadas: frequentemente a causa de posições/rotações inesperadas.

Dica de depuração: procure as sequências em torno de “Tj/TJ” (texto) e “Do” (XObject) para entender a ordem real de exibição na página.