Artículo técnico

Exportar páginas PDF a SVG en Delphi con HotPDF

Una forma habitual de fijar un encabezado en PDF es /F1 1 Tf 10 0 0 10 72 700 Tm (Total) Tj ( due) Tj: un tamaño de fuente de 1 y el tamaño real transportado por la matriz de texto. Alimenta eso a un conversor PDF-a-SVG hecho a mano y la segunda pasada suele caer casi encima de la primera. Supón que los cinco glifos de "Total" miden de media medio em; el origen del texto debería avanzar 2.5 unidades de espacio de texto, que la matriz convierte en 25 puntos. Un conversor que suma 2.5 directamente a la traslación de la matriz mueve la pluma una décima parte del camino, y " due" sobrescribe la palabra anterior

ISO 32000-1 §9.4.4 dice explícitamente que los desplazamientos en espacio de texto pasan por la matriz de texto, así que la actualización es e += tx*a y f += tx*b, nunca una suma directa a e. Es uno de los muchos sitios donde el estado de PDF tiene que transportarse a atributos de SVG en el momento exacto en que se escribe un elemento, y el resto del artículo los recorre

Exportar una página cargada con BuildLoadedPageSVG

HotPDF exporta cualquier página de un documento cargado como un archivo SVG 1.1 autónomo. THotPDF.BuildLoadedPageSVG recibe un índice de página de base cero y devuelve el documento entero como un AnsiString, o una cadena vacía cuando la página no se puede exportar; SaveLoadedPageAsSVG escribe el mismo marcado a un archivo y devuelve False si falla. Ambas tienen una sobrecarga con un flag EmbedFonts, tratado más abajo

La página exportada toma su tamaño del crop box. Ancho y alto se escriben en puntos, y el viewBox usa unidades de usuario de PDF, así que una unidad en el SVG es una unidad en el PDF. Trazados, runs de texto, XObjects de imagen, imágenes inline, shadings, tiling patterns, clipping paths, glifos Type 3 y Form XObjects anidados llegan todos a la salida, y el contenido ráster viaja como data URIs PNG en base64 dentro del archivo

var
  Pdf: THotPDF;
  I: Integer;
begin
  Pdf := THotPDF.Create(nil);
  try
    if Pdf.LoadFromFile('statements.pdf', '') <= 0 then
      Exit;                  // LoadFromFile devuelve el número de páginas
    for I := 0 to Pdf.LoadedPageCount - 1 do
      if not Pdf.SaveLoadedPageAsSVG(I, Format('page-%d.svg', [I + 1])) then
        Writeln('Page ', I + 1, ' could not be exported');
  finally
    Pdf.Free;
  end;
end;

Para pipelines de compilación que no deberían necesitar un programa Delphi compilado, la herramienta de línea de comandos de HotPDF expone la misma exportación como HotPDFCLI export-svg <pdf-file> [-o prefix] [--pages range]. SVG es texto, lo que lo hace un buen compañero de la ruta ráster en renderizar una página PDF a un bitmap: el bitmap muestra cómo se ve la página, y el SVG muestra qué objetos la dibujaron, en una forma que un diff de texto puede leer

Por qué un solo volteo de página rompe glifos y fotografías

El espacio de usuario de PDF crece hacia arriba desde la esquina inferior izquierda; el de SVG crece hacia abajo desde la superior izquierda. Voltear la página entera una vez arregla todas las coordenadas y, de un solo golpe, refleja cada letra y cada fotografía. Los otros dos desfases son más silenciosos. PDF acota el estado con una pila (q lo apila, Q lo desapila), mientras que SVG deja que un elemento herede lo que un grupo ancestro declaró. Y PDF expresa varias cosas por convención: enteros para caps y joins, un ancho cero que significa "la línea visible más fina", variantes de operadores que conmutan la regla de devanado

HotPDF mapea el content stream PDF con estado a un árbol SVG declarativo al exportar páginas desde Delphi, a lo largo de orígenes del eje Y, ámbitos de pila y convenciones de enteros
El flujo de contenido PDF con estado se encuentra con el árbol declarativo de SVG, y los tres desfases necesitan traducción en lugar de copia

BuildLoadedPageSVG resuelve el volteo con una pre-transformación de página y corrige texto e imágenes localmente. Cada elemento de texto lleva la cadena pre-transformación de página × CTM × matriz de texto × matrix(1,0,0,-1,0,0). El factor de la derecha vuelve a poner los glifos derechos dentro de su propio marco y deja la línea base donde el volteo de página la puso. Como la corrección es una matriz en lugar de un caso especial, el texto rotado, reflejado y cizallado no necesita código extra

Las imágenes llevan un factor distinto. El espacio de imagen de PDF pone la primera fila de muestras en la parte superior del cuadrado unitario, mientras que el elemento image de SVG tiene su propio marco con Y hacia abajo, así que la transformación emitida es la CTM multiplicada por la derecha con matrix(1,0,0,-1,0,1). Equivocar el signo y el contenido vectorial de una página queda perfecto mientras cada fotografía cuelga boca abajo

Las páginas con una entrada /Rotate añaden una rotación en espacio de visualización con Y arriba delante del volteo: (0,-1,1,0,0,W) para 90 grados, (-1,0,0,-1,W,H) para 180 y (0,1,-1,0,H,0) para 270, donde W y H son el tamaño de página sin rotar y el volteo usa la altura del lienzo rotado. El page box tampoco tiene por qué empezar en el origen. En una página cuyo crop box es [100 100 712 892], el exportador lleva la esquina inferior izquierda a (0,0) antes de rotar, el mismo paso que da el renderizador ráster; de lo contrario el contenido aterriza a cien unidades del lienzo

HotPDF compone pre-transformaciones de rotación de página para /Rotate 90, 180 y 270 y multiplica la CTM por la derecha con matrix(1,0,0,-1,0,1) para que la exportación PDF a SVG de Delphi mantenga las imágenes incrustadas derechas
Las pre-transformaciones de rotación de página y la matriz de volteo de imagen mantienen derechos en el SVG exportado tanto las páginas rotadas como las fotografías

Matrices de texto y posiciones por carácter

Cada run de texto se convierte en un elemento text de SVG cuyo atributo x lista una posición por cada carácter. Las posiciones se acumulan desde el avance del glifo más el espaciado de carácter Tc, y el espaciado de palabra Tw se añade solo tras el código 32 de un solo byte. Un código de dos bytes que casualmente sea 32 no recibe espaciado de palabra, que es lo que prescribe ISO 32000-1 §9.3.3 y de lo que dependen las fuentes con claves CID. Cuando un glifo representa varios caracteres, como hace una ligadura, los caracteres comparten su avance para que cada uno siga teniendo una x propia

El escalado horizontal y la elevación del texto se pliegan en la matriz de renderizado de texto como [Th 0 0 1 0 Trise] × Tm, siguiendo la §9.4.4, de modo que escalan y rotan junto con una matriz de texto transformada. Los números de kerning dentro de un array TJ son milésimas de em y se multiplican por Th como cualquier otro movimiento horizontal

Dos detalles de XML importan. Cada elemento text lleva xml:space="preserve"; sin él un visor colapsa los grupos de espacios y la lista de x se desincroniza con los caracteres. Y el archivo es UTF-8, así que los caracteres se codifican como UTF-8 explícitamente en lugar de pasar por la página de código del sistema. Los puntos de código que XML 1.0 prohíbe (caracteres de control por debajo de 0x20, surrogates, U+FFFE y U+FFFF) se sustituyen por U+FFFD. El texto de shaping de escrituras complejas sigue la misma ruta, porque el shaper ya convirtió los clusters en glifos posicionados antes de que se escriba el content stream

Fuentes con nombre o contornos incrustados

Por defecto el texto nombra su fuente: el exportador deriva una familia de /BaseFont y del descriptor de fuente y añade un fallback genérico como Arial, sans-serif, y el visor dibuja el texto con una fuente instalada. Eso mantiene los archivos pequeños y el texto completamente vivo, pero una página compuesta con una tipografía corporativa incrustada se dibuja con una fuente sustituta en cualquier máquina que no la tenga, cuyas anchuras ya no coinciden con las posiciones por carácter

Pasando True en EmbedFonts se escriben los glifos de los programas de fuente incrustados como contornos en un bloque defs, compartidos entre todas sus apariciones en la página. El texto original se sigue escribiendo encima con opacidad de relleno cero, para que se pueda seleccionar y buscar. Usa True siempre que el SVG salga de la máquina que lo hizo: una entrega de diseño, un archivo, un diff visual en un agente de CI. Usa el valor por defecto cuando el archivo se queda en un entorno que tiene las fuentes y el tamaño importa

procedure ExportOutlined(Pdf: THotPDF);
var
  Svg: AnsiString;
  Output: TFileStream;
begin
  // Contornos de glifo de las fuentes incrustadas, texto seleccionable encima
  Svg := Pdf.BuildLoadedPageSVG(0, True);
  if Svg = '' then
    raise Exception.Create('Page 1 could not be exported');
  Output := TFileStream.Create('page-1-outlined.svg', fmCreate);
  try
    Output.WriteBuffer(Svg[1], Length(Svg));
  finally
    Output.Free;
  end;
end;

Los modos de renderizado se respetan en ambas rutas. El modo 1 traza sin rellenar, el modo 2 rellena y traza, el modo 3 es invisible pero avanza la pluma igualmente, y los modos 4 a 7 añaden los glifos al clipping path. Un glifo trazado necesita una corrección más: el ancho de línea vive en espacio de usuario mientras el elemento text dibuja en espacio de texto, así que el ancho se divide por la escala de la matriz de texto. Un texto engrosado con 2 Tr 0.25 w conserva por tanto un contorno de un cuarto de punto; dejado en el valor por defecto de SVG de una unidad, se vería pesado

Lo que el estado de gráficos lleva a cada elemento

Los atributos de presentación de SVG no siguen el ámbito de PDF, así que cada trazado se escribe con el estado de trazo completo vigente en ese momento. Line cap 0, 1, 2 se convierte en butt, round, square; line join 0, 1, 2 se convierte en miter, round, bevel; el límite de miter, el array de guiones y la fase de guiones se escriben cuando están fijados. Un array de guiones con una entrada negativa, o un array no vacío sin ninguna entrada positiva, se ignora y el patrón anterior permanece; un array vacío [] restaura la línea sólida. Los mismos valores pueden llegar por un diccionario ExtGState, cuyas claves LW, LC, LJ, ML, ca y CA se aplican también

Un ancho de línea cero en PDF significa la línea más fina que el dispositivo puede dibujar. Copiarlo literalmente da un trazo invisible, y copiarlo como 1 da una línea que crece con cada paso de zoom. El exportador escribe stroke-width="1" junto con vector-effect="non-scaling-stroke", que mantiene el hairline con alrededor de un píxel de dispositivo de ancho a cualquier ampliación. Los operadores estrella f*, B* y b* añaden fill-rule="evenodd", y sus formas simples conservan el devanado no-cero por defecto de SVG

Q restaura el color de relleno y de trazo, la opacidad, el ancho de línea, el cap, el join, el límite de miter, el array de guiones y su fase, y también el estado de texto. ISO 32000-1 §9.3.1 hace del estado de texto parte del estado de gráficos, así que un 2 Tr fijado dentro de q … Q no debe trazar el texto que sigue al Q. El recorte sigue la §8.5.4: W solo marca el trazado, y el clip surte efecto tras el operador de pintado, de modo que re W f rellena primero el rectángulo y recorta después. Cada clip se convierte en un clipPath más un grupo envolvente, y Q cierra los grupos abiertos desde el q correspondiente

Los Form XObjects se comportan como un q … Q implícito. El exportador recorta un formulario a su /BBox, guarda el estado al entrar y lo restaura al salir, de modo que un borde con guiones dentro de un sello no puede colarse en el contenido de la página después. Los tiling patterns se mapean al espacio por defecto del content stream que los usa (§8.7.2), la página o el formulario, sin importar la CTM cuando se pinta el patrón. La importación vectorial EMF y WMF ejecuta un modelo de estado similar en la dirección contraria, y la importación de SVG como Form XObject cubre el viaje inverso de SVG a PDF

Color, shadings y las cadenas que comparan los tests

El color llega al SVG a través de todos los operadores de color de PDF: g, rg, k y sus formas de trazo, y cs / scn con un espacio con nombre de los recursos /ColorSpace de la página o del formulario. Los colores Separation, DeviceN, ICCBased, Indexed y Lab se resuelven a RGB con el mismo código de espacios de color que usa el renderizador de páginas. Seleccionar un espacio con cs parte del color inicial que define la §8.6.8: negro en los espacios de dispositivo, tint 1.0 en Separation y DeviceN, índice 0 en Indexed. SVG no tiene noción de tintas, así que un spot color llega como su apariencia RGB y el nombre de la tinta se queda atrás en el PDF. El trabajo de prueba que necesita separaciones reales pertenece al modelo de pintado descrito en renderizar spot colors Separation y DeviceN

Los shadings axiales y radiales se convierten en gradientes de SVG. La especificación deja /Extend por defecto en [false false], es decir, no se pinta nada antes de t0 ni después de t1, mientras que el spread pad de SVG pinta los colores finales hacia fuera. El exportador lo salva añadiendo en cada extremo que no extiende un stop totalmente transparente. Los shadings basados en función se muestrean en una imagen a razón de una muestra por unidad, y los shadings de malla se renderizan en una imagen incrustada

Los colores hex salen en mayúsculas. Un test de regresión que compara cadenas debe esperar #FF0000, y un test escrito contra minúsculas fallará con una salida perfectamente correcta. Las coordenadas y anchos se redondean a cuatro decimales y las matrices transform conservan nueve dígitos significativos, ambos con punto como separador decimal, sea cual sea el locale de la máquina que ejecuta el test

procedure CheckRedRectangle(Pdf: THotPDF);
var
  Svg: AnsiString;
begin
  Svg := Pdf.BuildLoadedPageSVG(0);
  // Assert es una comprobación que añades en tu propio test, no forma parte de la exportación
  Assert(Pos(AnsiString('fill="#FF0000"'), Svg) > 0,
    'expected the red fill in uppercase hex');
  Assert(Pos(AnsiString('xml:space="preserve"'), Svg) > 0,
    'text elements keep their spaces');
end;

Una comprobación de cadenas como esta aguanta cuando el PDF de entrada lo genera tu propio código y los colores esperados son conocidos. Para páginas de fuera, comparar el SVG de dos compilaciones entre sí atrapa más que cualquier atributo fijado a mano. El resto del kit de herramientas para documentos cargados, del renderizado y la edición a la exportación, está descrito en la página del componente PDF HotPDF para Delphi