Question

我正在尝试编写或多或少的PDF软件证明。

我想提取一些信息，但不知道怎么做。

我需要提取的内容：

Bleed:                    I got this somewhat working with pyPdf, given
                          that the document uses 72 dpi, which sadly isn't
                          always the case. I need to be able to calculate
                          the bleed in millimeters.

Print resolution (dpi):   If I read the PDF spec[1] correctly this ought to
                          always be 72 dpi, unless a page has UserUnit set,
                          which was only introduced in PDF-1.6, but shouldn't
                          print documents always be at least 300 dpi? I'm
                          afraid that I misunderstood something…

                          I'd also need the print resolution for images, if
                          they can differ from the default page resolution,
                          that is.

Text color:               I don't have the slightest clue on how to extract
                          this, the string 'text colour' only shows up once
                          in the whole spec, without any explanation how it
                          is set.

Image colormodel:         If I understand it correctly I can read this out
                          in pyPdf with page['/Group']['/CS'] which can be:
                           - /DeviceRGB
                           - /DeviceCMY
                           - /DeviceCMYK
                           - /DeviceGray
                           - /DeviceRGBK
                           - /DeviceN

Font 'embeddedness':      I read in another post on stackoverflow that I
                          can just iterate over the font resources and if a
                          resource has a '/FontFile'-key that means that
                          the font is embedded. Is this correct?

如果除了pyPdf之外的其他库更能够提取此信息（或组合他们非常欢迎他们。到目前为止，我偶然发现了pyPdf，pdfrw 和pdfminer。所有这些都没有最全面的文档。

[1] http://www.adobe.com/content/dam/Adobe/en/devnet/acrobat/pdfs/PDF32000_2008.pdf

Answer 1

如果我正确阅读PDF规范1，那么它应该始终是72 dpi，除非页面设置了UserUnit，这仅在PDF-1.6中引入，但不应该打印文件总是至少300 dpi？我耽心我误解了一些事情......

你确实误解了一些事情。默认用户空间单位，默认为1/72英寸但可以在PDF-1.6之后在每页基础上更改，不定义打印分辨率，它只定义坐标中单位的长度默认情况下由用户给出（即，除非任何大小改变转换处于活动状态）对应于。

对于打印，所有数据都将转换为依赖于设备的空间，其分辨率与用户空间坐标无关。打印分辨率取决于打印设备及其驱动程序;由于安全设置允许低质量打印，它们可能会受到限制。

如果图像不同，我还需要图像的打印分辨率默认的页面分辨率，即。

图像（嗯，位图图像，在PDF中也有矢量图形）各自具有它们各自的分辨率，然后可以在渲染之前被变换（例如放大）。因此，对于“图像打印分辨率”，您必须检查每个位图图像以及插入它的每个页面内容。如果图像旋转，倾斜和不对称拉伸，我想知道你将用什么数字作为分辨率......;）

文字颜色：我对如何提取这个字符串没有丝毫的线索 “文字颜色”仅在整个规格中出现一次，没有任何解释如何设置。

请查看spec中的第9.2.3节：

用于绘制字形的颜色应为当前颜色图形状态：非描边颜色或描边颜色（或两者），取决于文本呈现模式（见9.3.6，“文本渲染模式“）。默认颜色应为黑色（在DeviceGray中），但是可以通过执行适当的方式获得其他颜色颜色设置操作符或操作符（参见8.6.8，“颜色操作符”）在绘制字形之前。

在那里你可以找到许多有趣的部分。但请注意，文字不仅仅是彩色的;它也可以呈现为应用于任何背景的剪辑路径。

我在stackoverflow上的另一篇文章中读到了我可以迭代的内容字体资源，如果资源有'/ FontFile'键意味着字体是嵌入的。这是对的吗？

我会建议更精确的分析。还有其他相关的密钥，例如'/ FontFile2'和'/ FontFile3'，必须使用正确的。

不要低估你的任务......你应该开始定义你搜索的属性在旋转，拉伸和倾斜的字形，矢量图形和位图图像（如PDF）的混合环境中的含义。

PDF'先进'信息提取

1 个答案: