Technisch artikel

PDF-pagina's exporteren naar SVG in Delphi met HotPDF

Een gebruikelijke manier om een kop in PDF te zetten is /F1 1 Tf 10 0 0 10 72 700 Tm (Total) Tj ( due) Tj: een fontgrootte van 1 en de echte grootte in de tekstmatrix. Stop dat in een eigenbouw PDF-naar-SVG-converter, dan landt de tweede run vaak bijna op de eerste. Stel dat de vijf glyphs van "Total" gemiddeld een halve em zijn; de tekstoorsprong moet 2,5 tekstruimte-eenheden opschuiven, wat de matrix omzet in 25 punten. Een converter die 2.5 rechtstreeks bij de matrixvertaling optelt verplaatst de pen maar een tiende van de afstand, en " due" overdrukt het woord ervoor

ISO 32000-1 §9.4.4 zegt ondubbelzinnig dat verplaatsingen in tekstruimte door de tekstmatrix gaan, dus de bijwerking is e += tx*a en f += tx*b, nooit een kale optelling bij e. Het is één van de vele plekken waar PDF-status op exact het moment waarop een element wordt geschreven naar SVG-attributen moet worden overgezet, en de rest van dit artikel loopt ze allemaal langs

Een geladen pagina exporteren met BuildLoadedPageSVG

HotPDF exporteert elke pagina van een geladen document als een zelfstandig SVG 1.1-bestand. THotPDF.BuildLoadedPageSVG neemt een bij nul beginnende pagina-index en retourneert het hele document als AnsiString, of een lege string als de pagina niet kan worden geëxporteerd; SaveLoadedPageAsSVG schrijft dezelfde markup naar een bestand en geeft False terug bij mislukking. Allebei hebben ze een overload met een EmbedFonts-vlag, verderop behandeld

De geëxporteerde pagina ontleent zijn grootte aan de crop box. Breedte en hoogte worden in punten geschreven, en de viewBox gebruikt PDF-gebruikerseenheden, dus één eenheid in de SVG is één eenheid in de PDF. Paden, tekstruns, image XObjects, inline afbeeldingen, shadings, tiling-patronen, clipping-paden, Type 3-glyphs en geneste Form XObjects halen allemaal de uitvoer, en rasterinhoud reist als base64-PNG-data-URI's in het bestand

var
  Pdf: THotPDF;
  I: Integer;
begin
  Pdf := THotPDF.Create(nil);
  try
    if Pdf.LoadFromFile('statements.pdf', '') <= 0 then
      Exit;                  // LoadFromFile retourneert het aantal pagina's
    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;

Voor buildpijplijnen die geen gecompileerd Delphi-programma hoeven te gebruiken, biedt de HotPDF-commandlinetool dezelfde export aan als HotPDFCLI export-svg <pdf-file> [-o prefix] [--pages range]. SVG is tekst, wat het een goede partner maakt voor de rasterroute uit een PDF-pagina naar een bitmap renderen: de bitmap laat zien hoe de pagina eruitziet, en de SVG laat zien welke objecten hem tekenden, in een vorm die een tekst-diff kan lezen

Waarom een enkele paginaomkering glyphs en foto's breekt

PDF-gebruikersruimte groeit omhoog vanaf de linkerbenedenhoek; SVG groeit omlaag vanaf de linkerbovenhoek. De hele pagina één keer omdraaien herstelt elke coördinaat en spiegelt in dezelfde beweging elke letter en elke foto. De andere twee mismatches zijn stiller. PDF regelt scoping met een stack (q duwt hem erop, Q popt hem eraf), terwijl SVG een element laat erven wat een vooroudergroep heeft vastgelegd. En PDF drukt verschillende dingen bij conventie uit: gehele getallen voor doppen en verbindingen, een breedte nul die "dunste zichtbare lijn" betekent, operatorvarianten die de winding-regel omschakelen

HotPDF projecteert de toestandsvolle PDF-contentstream op een declaratieve SVG-boom wanneer pagina's vanuit Delphi worden geëxporteerd, over y-as-oorsprongen, stackscoping en integerconventies heen
De toestandsvolle PDF-contentstream ontmoet de declaratieve SVG-boom, en alle drie de mismatches vragen om vertaling in plaats van kopiëren

BuildLoadedPageSVG pakt de omkering aan met één pagina-voortransformatie en corrigeert tekst en afbeeldingen lokaal. Elk tekstelement draagt de keten pagina-voortransformatie × CTM × tekstmatrix × matrix(1,0,0,-1,0,0). De rechterfactor zet de glyphs binnen hun eigen frame weer overeind en laat de baseline staan waar de paginaomkering hem heeft gelaten. Omdat de correctie een matrix is en geen speciaal geval, heeft gedraaide, gespiegelde en geschuinde tekst geen extra code nodig

Afbeeldingen krijgen een andere factor. PDF-beeldruimte zet de eerste samplerij bovenaan het eenheidsvierkant, terwijl het SVG-image-element zijn eigen y-omlaagframe heeft, dus de uitgezonden transform is de CTM rechts vermenigvuldigd met matrix(1,0,0,-1,0,1). Zit het teken er verkeerd om, dan is de vectorinhoud van een pagina perfect terwijl elke foto ondersteboven hangt

Pagina's met een /Rotate-invoer voegen een rotatie in y-omhoog-weergaveruimte toe vóór de omkering: (0,-1,1,0,0,W) voor 90 graden, (-1,0,0,-1,W,H) voor 180 en (0,1,-1,0,H,0) voor 270, waarbij W en H de ongerote paginagrootte zijn en de omkering de hoogte van het geroteerde canvas gebruikt. De pagina-box hoeft ook niet in de oorsprong te beginnen. Op een pagina waarvan de crop box [100 100 712 892] is, zet de exporteur eerst de linkerbenedenhoek naar (0,0) vóór het roteren, dezelfde stap als de rasterrenderer, anders landt de inhoud honderd eenheden naast het canvas

HotPDF stelt pagina-rotatie-voortransformaties samen voor /Rotate 90, 180 en 270 en vermenigvuldigt de CTM rechts met matrix(1,0,0,-1,0,1), zodat Delphi PDF naar SVG-export ingesloten afbeeldingen overeind houdt
Pagina-rotatie-voortransformaties en de afbeeldingsspiegelmatrix houden geroteerde pagina's en foto's overeind in de geëxporteerde SVG

Tekstmatrices en posities per teken

Elke tekstrun wordt één SVG-text-element waarvan het x-attribuut voor elk teken een positie opsomt. Posities stapelen op uit het glyph-voorschot plus de tekenspatiëring Tc, en woordspatiëring Tw wordt alleen toegevoegd na de eenbytecode 32. Een tweebytecode die toevallig gelijk is aan 32 krijgt geen woordspatiëring, precies zoals ISO 32000-1 §9.3.3 voorschrijft en CID-keyed fonts ervan afhangen. Staat één glyph voor meerdere tekens, zoals bij een ligatuur, dan delen de tekens zijn voorschot zodat elk toch een eigen x-waarde krijgt

Horizontale schaling en tekstverheffing worden in de tekstrendermatrix gevouwen als [Th 0 0 1 0 Trise] × Tm, volgens §9.4.4, zodat ze samen met een getransformeerde tekstmatrix meeschalen en meedraaien. Kerninggetallen in een TJ-array zijn duizendsten van een em en worden met Th vermenigvuldigd, net als elke andere horizontale beweging

Twee XML-details tellen. Elk text-element draagt xml:space="preserve"; zonder dat klapt een viewer reeksen spaties samen en loopt de x-lijst uit de pas met de tekens. En het bestand is UTF-8, dus tekens worden expliciet als UTF-8 gecodeerd in plaats van via de systeemcodepagina te gaan. Codepunten die XML 1.0 verbiedt (controletekens onder 0x20, surrogaten, U+FFFE en U+FFFF) worden vervangen door U+FFFD. Tekst uit complex script shaping volgt dezelfde route, want de shaper heeft clusters al in gepositioneerde glyphs omgezet voordat de contentstream wordt geschreven

Benoemde fonts of ingesloten omlijstingen

Standaard noemt de tekst zijn font: de exporteur leidt een familie af uit /BaseFont en de fontdescriptor en voegt een generieke fallback toe als Arial, sans-serif, en de viewer tekent de tekst met een geïnstalleerd font. Dat houdt bestanden klein en de tekst volledig levend, maar een pagina die in een ingesloten huisstijlfont is gezet, wordt op elke machine die het font mist in een vervangend font getekend, waarvan de breedtes niet meer aansluiten op de posities per teken

True voor EmbedFonts doorgeven schrijft de glyphs van ingesloten fontprogramma's als omlijstingen in een defs-blok, gedeeld tussen alle voorkomens op de pagina. De originele tekst wordt er nog steeds bovenop geschreven met nul vuldekking, dus hij blijft selecteerbaar en doorzoekbaar. Gebruik True zodra de SVG de machine verlaat die hem maakte: een designoverdracht, een archief, een visuele diff op een CI-agent. Gebruik de default als het bestand binnen een omgeving blijft die de fonts heeft en grootte ertoe doet

procedure ExportOutlined(Pdf: THotPDF);
var
  Svg: AnsiString;
  Output: TFileStream;
begin
  // Glyphomlijstingen uit de ingesloten fonts, selecteerbare tekst erbovenop
  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;

Rendermodi worden in beide routes gerespecteerd. Modus 1 tekent een stroke zonder vulling, modus 2 vult en strokiet, modus 3 is onzichtbaar maar schuift de pen toch op, en modus 4 tot en met 7 voegen de glyphs toe aan het clipping-pad. Een glyph met stroke heeft nog één correctie nodig: de lijnbreedte leeft in gebruikersruimte terwijl het text-element in tekstruimte tekent, dus de breedte wordt gedeeld door de schaal van de tekstmatrix. Met 2 Tr 0.25 w vetgemaakte tekst houdt daarom een kwartpuntomlijsting over; op de SVG-default van één eenheid zou hij zwaar ogen

Wat de grafische status in elk element overdraagt

SVG-presentatieattributen volgen de PDF-scoping niet, dus elk pad wordt geschreven met de volledige stroke-status die op dat moment geldt. Lijndop 0, 1, 2 wordt butt, round, square; lijnverbinding 0, 1, 2 wordt miter, round, bevel; de miterlimiet, de dash-array en de dashfase worden weggeschreven zodra ze zijn gezet. Een dash-array met een negatieve invoer, of een niet-lege array zonder positieve invoer, wordt genegeerd en het oude patroon blijft staan; een lege array [] herstelt de doorgetrokken lijn. Dezelfde waarden kunnen ook via een ExtGState-woordenboek binnenkomen, waarvan de sleutels LW, LC, LJ, ML, ca en CA eveneens worden toegepast

Een lijnbreedte nul betekent in PDF de dunste lijn die het apparaat kan tekenen. Letterlijk overnemen geeft een onzichtbare stroke, en als 1 overnemen geeft een lijn die bij elke zoomstap meegroeit. De exporteur schrijft stroke-width="1" samen met vector-effect="non-scaling-stroke", wat de haarlijn bij elke vergroting ongeveer één apparaatpixel breed houdt. De steroperatoren f*, B* en b* voegen fill-rule="evenodd" toe, en hun kale vormen houden de nonzero-winding die voor SVG de default is

Q herstelt vul- en strokekleur, dekking, lijnbreedte, dop, verbinding, miterlimiet, dash-array en fase, en ook de tekststatus. ISO 32000-1 §9.3.1 maakt de tekststatus deel van de grafische status, dus 2 Tr gezet binnen q … Q mag de tekst na de Q niet van stroke voorzien. Clipping volgt §8.5.4: W markeert alleen het pad, en de clip gaat pas in na de schilderoperator, dus re W f vult eerst de rechthoek en clip daarna. Elke clip wordt een clipPath plus een omsluitende groep, en Q sluit de groepen die sinds de bijbehorende q zijn geopend

Form XObjects gedragen zich als een impliciete q … Q. De exporteur clipst een form op zijn /BBox, bewaart de status bij binnenkomst en herstelt ze bij vertrek, dus een streepjesrand in een stempel kan niet doorlekken in de pagina-inhoud die erop volgt. Tiling-patronen landen in de defaultruimte van de contentstream die ze gebruikt (§8.7.2), de pagina of de form, los van de CTM op het moment dat het patroon wordt geschilderd. De EMF- en WMF-vectorimport draait een vergelijkbaar statusmodel in de tegenovergestelde richting, en SVG-import als Form XObject behandelt de omgekeerde reis van SVG naar PDF

Kleur, shadings en de strings die tests vergelijken

Kleur bereikt de SVG via elke PDF-kleuroperator: g, rg, k en hun strokevormen, en cs / scn met een benoemde ruimte uit de /ColorSpace-resources van de pagina of de form. Separation-, DeviceN-, ICCBased-, Indexed- en Lab-kleuren worden naar RGB opgelost door dezelfde kleurruimtecode die de paginarenderer gebruikt. Een ruimte met cs kiezen begint bij de beginkleur die §8.6.8 definieert: zwart in de device-ruimten, tint 1.0 in Separation en DeviceN, index 0 in Indexed. SVG kent geen inktbegrip, dus een spotkleur arriveert als zijn RGB-uiterlijk en de inkt-naam blijft achter in de PDF. Proefwerk dat echte separations nodig heeft hoort in het schildermodel dat in Separation- en DeviceN-spotkleuren renderen staat beschreven

Axiale en radiale shadings worden SVG-gradients. De spec zet /Extend op default [false false], wat betekent dat er vóór t0 en na t1 niets wordt geschilderd, terwijl de pad-spread van SVG de eindkleuren naar buiten schildert. De exporteur overbrugt dat met een volledig transparante stop aan elk uiteinde dat niet wordt doorgetrokken. Function-based shadings worden met ongeveer één sample per eenheid in een afbeelding bemonsterd, en mesh-shadings worden in een ingesloten afbeelding gerenderd

Hexkleuren komen in hoofdletters uit de machine. Een regressietest die strings vergelijkt moet #FF0000 verwachten, en een test die op kleine letters is geschreven faalt op uitvoer die volkomen correct is. Coördinaten en breedtes worden op vier decimalen afgerond en transform-matrices houden negen significante cijfers, allebei met een punt als decimaal scheidingsteken, wat ook de locale is van de machine die de test draait

procedure CheckRedRectangle(Pdf: THotPDF);
var
  Svg: AnsiString;
begin
  Svg := Pdf.BuildLoadedPageSVG(0);
  // Assert is een controle die u zelf in uw test toevoegt, geen deel van de export
  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;

Een stringcontrole als deze houdt stand wanneer de invoerende PDF door je eigen code wordt gegenereerd en de verwachte kleuren bekend zijn. Voor pagina's van buiten vangt het vergelijken van de SVG's van twee builds meer dan elke hardgecodeerde attribuutcontrole. De rest van de toolkit voor geladen documenten, van renderen en bewerken tot export, staat beschreven op de HotPDF Delphi PDF componentpagina