Une bande de miniatures pour un lot de factures fournisseurs semble correcte au premier regard : filets de tableau en place, logo net, colonnes alignées. Zoomez sur l'une et le nom du client devient une rangée de carrés creux, tandis que la colonne des totaux porte des lettres qui n'épellent rien. Chaque facture cassée utilise la même police, ABCDEF+Arial, et chacune se lit parfaitement dans une visionneuse PDF de bureau sur la même machine. Le code des miniatures a pris le nom de la police, jeté la balise de sous-ensemble de six lettres, demandé Arial à Windows et lui a remis les codes de caractères bruts de la page. Ces codes n'ont jamais été ceux d'Arial. Obtenir un bitmap fidèle d'une page PDF demande deux choses : exécuter le flux de contenu de la page comme un programme, et dessiner le texte depuis les contours de glyphes stockés dans le fichier plutôt que depuis les polices que la machine qui rend a installées
Une page PDF est quelque chose que l'on exécute
ISO 32000-1 §8 décrit une page comme un flux de contenu : des opérateurs qui changent la matrice de transformation avec cm, sauvegardent et restaurent l'état graphique avec q et Q, construisent des chemins, sélectionnent des polices avec Tf, placent des glyphes avec Tj, et peignent images et formulaires avec Do. Rien dans le fichier n'enregistre à quoi ressemble le moindre pixel. Pour obtenir un bitmap, quelque chose doit exécuter ce flux contre une matrice de transformation courante, une pile d'états, un chemin de découpage et une paire d'espaces de couleur de remplissage et de trait, puis rastériser ce qui en sort
Le RenderLoadedPageToBitmap de HotPDF est cet interpréteur. Il parcourt les opérateurs d'une page chargée, tient la matrice et l'état graphique comme la spécification les définit, résout les espaces de couleur, transforme les chemins PDF en chemins GDI, et prend les avances de glyphes dans le tableau /Widths de la police plutôt que dans GDI. Les XObjects image passent par les mêmes décodeurs que la bibliothèque utilise pour l'extraction, si bien chaque filtre d'image que HotPDF sait décoder pour l'extraction, les images JPEG 2000 compressées en JPXDecode comprises, apparaît aussi dans la page rendue
Rendre une page chargée en TBitmap en Delphi
THotPDF.RenderLoadedPageToBitmap(PageIndex, DPI) prend un index de page de base zéro et une résolution en points par pouce, où 72 DPI mappe une unité PDF à un pixel, et retourne un nouveau TBitmap RGB 24 bits. Un index hors plage ou une page impossible à construire retourne nil au lieu de lever. Cela convient à une visionneuse, qui doit sauter une page abîmée et continuer avec le reste. Le bitmap appartient à l'appelant
var
Pdf: THotPDF;
Bmp: TBitmap;
begin
Pdf := THotPDF.Create(nil);
try
if Pdf.LoadFromFile('report.pdf') > 0 then
begin
Bmp := Pdf.RenderLoadedPageToBitmap(0, 144); // première page à 144 DPI
if Bmp <> nil then
try
Image1.Picture.Assign(Bmp);
finally
Bmp.Free; // l'appelant possède le bitmap retourné
end;
end;
finally
Pdf.Free;
end;
end;
Les dimensions en pixels suivent de la zone visible de la page. Le moteur prend /CropBox écrêtée à /MediaBox, comme ISO 32000-1 §14.11.2 définit la région visible, utilise /MediaBox quand il n'y a pas de boîte de rognage exploitable, met à l'échelle par DPI/72 et arrondit vers le haut. Une page US Letter sans boîte de rognage séparée revient donc exactement en 612×792 pixels à 72 DPI. Une page A4 (595.28×841.89 points) à 96 DPI donne 794×1123, parce que 793.7 et 1122.5 arrondissent tous deux vers le haut. Un /Rotate de 90 ou 270 échange largeur et hauteur, et le retournement de l'origine bas-gauche du PDF vers l'origine haut-gauche de GDI se passe à l'intérieur de la matrice de page, si bien que l'image arrive droite sans post-traitement
Le DPI est le seul bouton d'échelle, et il couvre les travaux courants. Des miniatures à 36 ou 48 DPI sont petites et rapides. Un aperçu écran à 96 ou 144 DPI colle à la densité d'affichage typique. Un export à 300 DPI donne une sortie de qualité impression, au prix d'un bitmap de 2550×3300 pour chaque page Letter, environ 24 MiB chacun à trois octets par pixel
Pourquoi des polices substituées dessinent-elles les mauvais glyphes ?
Des glyphes faux dans un PDF rendu signifient presque toujours que le rastériseur a substitué une police installée à celle intégrée dans le fichier. Le raccourci de l'exemple des factures est tentant parce qu'il marche souvent : retirez le préfixe de sous-ensemble de /BaseFont, demandez une police GDI par le nom restant, dessinez la chaîne. Pour du texte Arial ou Times New Roman ordinaire à encodage standard, personne ne se plaint
Les polices de sous-ensemble le cassent en premier. Un sous-ensemble peut ne porter que la quarantaine de glyphes qu'un document utilise, numérotés dans un ordre privé à ce fichier, si bien que le code 1 peut être « T » et le code 2 « h ». Une police installée ne peut pas le savoir. Les encodages personnalisés, les polices de symboles et de codes-barres, et toute typographie absente de la machine qui rend échouent pour la même raison. Et même quand le substitut a chaque caractère, ses avances diffèrent de la face intégrée, si bien que les lignes s'allongent ou rétrécissent et les colonnes alignées à droite cessent de s'aligner
Dessiner le texte depuis le programme de police intégré
HotPDF dessine le texte depuis les programmes de police stockés dans le PDF. Quand une police porte un programme TrueType intégré (/FontFile2) ou un programme CFF (/FontFile3), chaque glyphe est contouré depuis ces données et rempli comme un chemin GDI, avec taille de police, matrice de texte et matrice de transformation courante composées en une seule transformation. Les polices de sous-ensemble, les encodages privés et les faces que la machine n'a jamais vues sortent avec leurs vraies formes. La façon dont un code de caractère atteint un glyphe dépend du type de police, et chaque type a son piège :
- Contours TrueType : les contours viennent des tables
glyfetloca. Les segments quadratiques sont élevés aux Béziers cubiques que GDI dessine, ce qui est une conversion exacte, le point sur-courbe implicite entre deux points consécutifs hors-courbe est reconstruit, et les glyphes composites descendent dans leurs composantes avec la transformation de chaque composante appliquée - TrueType à clé CID : les polices
Type0surCIDFontType2atteignent les identifiants de glyphes via/CIDToGIDMap, soitIdentity(aussi le défaut quand l'entrée manque), soit un flux de mappage explicite, et prennent les avances dans/Wet/DW, si bien que du texteIdentity-Hsur deux octets avance du bon pas. Les CMaps CJK prédéfinies et les flux CMap intégrés décodent les codes de longueur variable avant la recherche - Programmes CFF :
Type1C,CIDFontType0Cet le CFF enveloppé dans un conteneur OpenType passent par un interpréteur de charstrings Type 2 qui gère lignes, courbes, la famille flex, les masques de hint, et les appels de sous-programmes locaux et globaux avec le biais de sous-programme appliqué. Les programmes à clé CID mappent chaque code via le charset de la police, ce qui compte pour les sous-ensembles dont l'ordre des glyphes diffère de l'ordre des CID, et choisissent le dictionnaire privé par glyphe viaFDArrayetFDSelect - Polices TrueType simples : les codes d'un octet passent par la
cmapintégrée, en essayant d'abord les sous-tables Unicode (3,1) et (3,10), puis la sous-table de symboles (3,0) à la fois directement et au miroir U+F000 qu'utilisent les polices de symboles, puis la vieille table Macintosh (1,0)
Deux règles se posent par-dessus. Le dictionnaire /Encoding d'une police simple est résolu dans l'ordre que ISO 32000-1 §9.6.6 prescrit : /Differences l'emporte sur l'encodage de base, qui l'emporte sur le mappage intégré du programme. TeX et les autres chaînes d'outils dérivées de PostScript s'appuient lourdement là-dessus, donc se tromper d'ordre brouille exactement les textes mathématiques et symboliques où un glyphe faux est le plus difficile à repérer. Les polices Type3, dont les glyphes sont de petits flux de contenu à eux, sont rejouées par le même interpréteur avec matrice de police, taille de police et matrice de texte composées ; les /Widths en espace glyphe passent par /FontMatrix comme le §9.6.5 l'exige, et une procédure de glyphe qui déclare une boîte englobante d1 y est écrêtée, si bien qu'un glyphe de code-barres malformé ne peut pas peindre hors de sa cellule
Quand un code unique ne peut pas être mappé, parce que le programme est abîmé ou que le sous-ensemble manque de ce glyphe, ce seul caractère est dessiné avec la police installée de même nom et le reste du bloc utilise toujours les contours intégrés. Abandonner tout le bloc cacherait le problème ; une lettre bizarre se remarque plus facilement. Les polices sans programme intégré exploitable suivent la route de la police installée décrite dans rendre des polices non intégrées avec les faces système
Comment garder des rendus répétés rapides ?
Pour tout ce qui est interactif, appelez RenderLoadedPageToBitmapCached au lieu de la méthode simple. Elle garde les pages récemment rendues dans un cache MRU indexé par index de page, DPI et réglages de rendu courants (intention de couleur, aperçu de surimpression, politique de repli et calques de contenu optionnel visibles), et une réussite rend une copie fraîche possédée par l'appelant sans réinterpréter le flux de contenu. Alterner entre deux pages, ou un redimensionnement qui redemande la même page au même DPI, touche le cache à chaque fois. Pour un export en une passe qui visite chaque page une fois, le RenderLoadedPageToBitmap simple est le meilleur appel, puisque la variante en cache copie chaque bitmap qu'elle retourne et garderait des pages que personne ne redemandera
// Bande de miniatures : la première passe rend, le défilement arrière touche le cache
Pdf.RenderCacheCapacity := 32; // limite d'entrées ; le défaut est 8
for I := 0 to Pdf.LoadedPageCount - 1 do
begin
Bmp := Pdf.RenderLoadedPageToBitmapCached(I, 48);
if Bmp <> nil then
try
ThumbList.AddThumbnail(I, Bmp); // votre propre code d'interface
finally
Bmp.Free;
end;
end;
// Vous mettez aussi en cache des pages 300 DPI ? Donnez au cache raster
// (Policy: THPDFCacheAdmissionPolicy)
if Pdf.GetCacheAdmissionPolicy(clkRaster, Policy) then
begin
Policy.MaxTotalBytes := Int64(512) * 1024 * 1024;
Pdf.SetCacheAdmissionPolicy(clkRaster, Policy);
end;
// Après avoir changé directement le contenu de la page :
Pdf.InvalidateRenderedPageCache; // le prochain rendu reflète l'édition
RenderCacheCapacity n'est qu'une des deux limites. Le cache raster a aussi un budget d'octets, 128 MiB par défaut, avec un plafond de 64 MiB par entrée, et il compte quatre octets par pixel dans son budget. Supposez une visionneuse qui met en cache des pages Letter à 300 DPI : chaque entrée compte pour environ 32 MiB, si bien que trois seulement tiennent, quoi que dise RenderCacheCapacity. À 48 DPI, la même page compte pour environ 0.82 MiB, et jusqu'à 32 miniatures de la boucle ci-dessus restent résidentes en moins de 27 MiB. Quand le cache est plein, une page demandée une fois peut ne pas déloger une page souvent demandée ; elle est quand même rendue et retournée, simplement pas gardée. Si une visionneuse tourne les pages dans un ordre prévisible, PrefetchLoadedPages remplit le même cache sur un thread de travail devant l'utilisateur
Charger un nouveau document vide le cache. Plusieurs appels d'édition de pages de la bibliothèque elle-même, comme FlattenLoadedFormFields, abandonnent les pages touchées d'eux-mêmes ; après tout changement que vous faites directement aux objets de page ou aux flux de contenu, appelez InvalidateRenderedPageCache, parce que le cache ne peut pas savoir que les octets derrière une page ont changé. En dessous siège un second magasin pour les XObjects image décodés, borné par ImageCacheMaxBytes (32 MiB par défaut), si bien qu'un logo ou un en-tête répété sur chaque page se décode une fois par chargement de document au lieu d'une fois par opérateur Do. InvalidateRenderedPageCache vide aussi celui-là. Si les miniatures doivent survivre à un redémarrage de l'application, le niveau disque du cache de rendu couvre ce cas
Savoir quand une page a été approximée
La plupart des pages ne touchent jamais un repli, parce que le moteur couvre bien plus que texte et images. Les espaces de couleur CalGray, CalRGB, Lab et à base d'ICC sont convertis avec l'intention de rendu en vigueur, que RenderColourIntent peut passer outre, et ConfigureRenderICCWorkflow prend des profils ICC d'épreuvage et de sortie pour le soft-proofing. Les palettes indexées, les teintes Separation et DeviceN et les recherches de couleur par fonction de type 0 échantillonnée sont couvertes. Les ombrages à fonction, axiaux, radiaux et maillage se rendent à la fois via l'opérateur sh et via des motifs d'ombrage, et les groupes de transparence, les groupes knockout et les masques doux alpha ou luminosité se composent avec leurs modes de fusion, comme décrit dans les groupes à mode de fusion et les masques de luminosité
Les fichiers réels contiennent encore des choses qui ne peuvent pas être dessinées exactement : une ressource que la page nomme mais ne définit jamais, une image dont les données refusent de se décoder, un Form XObject qui se peint lui-même. RenderFallbackPolicy décide alors de la suite. Le défaut, rfpIgnore, dessine l'approximation la plus proche et passe à la suite. rfpReport fait pareil mais enregistre un diagnostic pour chaque repli, jusqu'à RenderFallbackDiagnosticLimit entrées (256 par défaut). rfpStrict lève une exception au lieu de retourner un bitmap approximatif. L'imbrication des formulaires s'arrête à 32 niveaux et un formulaire qui se référence lui-même est sauté, si bien qu'un fichier cassé ou hostile ne peut pas récurser sans borne
// rfpReport et THPDFRenderFallbackDiagnostics sont déclarés dans HPDFPageRenderer
var
Diags: THPDFRenderFallbackDiagnostics;
J: Integer;
begin
Pdf.RenderFallbackPolicy := rfpReport;
Bmp := Pdf.RenderLoadedPageToBitmap(PageIndex, 150);
try
Diags := Pdf.GetLastRenderFallbackDiagnostics;
for J := 0 to High(Diags) do
Log.Add(Format('page %d: %s %s - %s', [PageIndex + 1,
string(Diags[J].OperatorName), string(Diags[J].ObjectName),
string(Diags[J].Reason)]));
if Pdf.LastRenderFallbackDroppedCount > 0 then
Log.Add(Format('%d more fallbacks not recorded',
[Pdf.LastRenderFallbackDroppedCount]));
finally
Bmp.Free; // Free est sûr sur nil
end;
end;
Faites tourner les builds de QA et d'ingestion avec rfpReport. Le bitmap est identique à ce que produit rfpIgnore, et le journal montre quelles pages ont été approximées et pourquoi, avant qu'un client ne rapporte que la page 14 a l'air bizarre. Gardez rfpStrict pour la conversion d'archivage, où une page discrètement approximée est pire qu'une page en échec. Une réussite de cache restaure les diagnostics enregistrés quand cette page a été rendue pour la première fois, si bien que GetLastRenderFallbackDiagnostics donne la même réponse que la variante en cache ait travaillé ou non
RenderLoadedPageToBitmap, la variante en cache et le chemin de texte à glyphes intégrés font partie du HotPDF Delphi Component, une bibliothèque VCL native pour Delphi et C++Builder sans DLL externes, qui crée, édite et extrait aussi le texte des mêmes documents chargés que vous rendez