Операторы страницы → JSON

Анализируйте потоки содержимого PDF и экспортируйте операторы/операнды (TJ/Tj, Do, cm, q/Q…) по страницам в JSON — локально в браузере.

Импортировать PDF

Никакие данные не отправляются на сервер: все происходит в вашем браузере.

Отладка рендеринга текстаПонять, почему текст не отображается, перевернут или находится не на своем месте (матрицы, обрезка, порядок).
Определение отображаемых изображенийИдентификация ресурсов (XObject), которые рисуются на странице и в каком порядке (оператор Do).
Технический анализ / реверсИзучение PDF, сгенерированного сторонним инструментом, для понимания его структуры содержимого (операции и параметры).

JSON на страницу, перечисляющий операторы и их операнды (порядок выполнения сохранен).

Полезная информация для написания правил обнаружения (например: страницы без текста, наличие трансформаций и т.д.).

Очень технический вывод: он отражает язык описания PDF, а не "человеческое" представление содержимого.
Потоки могут быть сжаты/отфильтрованы: извлечение зависит от способности движка их декодировать.
Для больших PDF экспорт может быть объемным: при возможности нацеливайтесь на страницу/диапазон.

Заменяет ли это извлечение текста?

Нет. Это инструмент отладки: он показывает низкоуровневые операции, а не восстановленный текст.

Я вижу много "q" и "Q", это нормально?

Да: это очень частые сохранения/восстановления графического состояния (стека).

Для чего нужен "cm"?

Это преобразование (матрица), применяемое к системе координат: часто причина неожиданных позиций/вращений.

Совет по отладке: ищите последовательности вокруг "Tj/TJ" (текст) и "Do" (XObject), чтобы понять реальный порядок отображения на странице.