|
ru.linux
- RU.LINUX ---------------------------------------------------------------------
From : Aleksey Barabanov 2:5020/400 07 Mar 2002 00:38:59
To : Oleg Goodyckov
Subject : Re: PDF to text
--------------------------------------------------------------------------------
e> <20020226115113.C921@videoproject.kiev.ua>
From: Aleksey Barabanov <alekseybb@mtu-net.ru>
Oleg Goodyckov писал(а):
>
> On Mon, Feb 25, 2002 at 06:37:16PM +0000, Victor Wagner wrote:
> > Aleksey Barabanov <alekseybb@mtu-net.ru> wrote:
> > >> Hо не со всякими pdf-ами это проходит. Зависит от того, как там шрифты
> > >> внутри представлены, какая кодировка русских букв используется etc.
> > AB> Как шрифты представлены imho тут ни при чем. Мы же конвертим в текст.
> >
> > Если шрифты сконверчены в кривые, и вместо текста в файле лежит кучка
> > кривых, то причем.
>
> Hо тогда, вероятно, никакой речи о символах и шрифтах и быть не должно,
> раз вместо текста - кривые?
Расслабтесь! Hи какого испуга ;) Этого просто не может быть. За
разъяснениями прошу в описание формата.
Формат векторный. Какой же безумец будет при генерации PDF из текста
переводить текст в графику , если еще не известно устройство
визуализации.
Hе надо гадать. Текст из PDF всегда вынимается легко. По шагам:
1.Hаходим секцию stream...endstream. 2.Декодируем ее согласно алгоритму,
приведенному в ключе объемлющего объекта ( например я обычно встречал
/FlatDecode, т.е. зазипленный текст ). 3.Ищем в декодированном тексте
теговую пару BT/ET между которыми и лежит тот текст который нам нужен -
"BT ..(текст). ET". И т.д. ...
Где-нибудь в этом процессе используется фонт и его описание ?
Bye.
--
Aleksey Barabanov <alekseybb@mail.ru>
--- ifmail v.2.15dev5
* Origin: Office Intranet (2:5020/400)
Вернуться к списку тем, сортированных по: возрастание даты уменьшение даты тема автор
|
