Artigo Técnico

Exportação de páginas PDF para SVG no Delphi com o HotPDF

Uma forma comum de definir um título em PDF é /F1 1 Tf 10 0 0 10 72 700 Tm (Total) Tj ( due) Tj: tamanho de fonte 1 e o tamanho real carregado pela matriz de texto. Entregue isso a um conversor PDF para SVG feito à mão e a segunda run costuma cair quase em cima da primeira. Suponha que os cinco glifos de "Total" avancem, em média, meio em cada; a origem do texto deveria mover 2.5 unidades de espaço de texto, que a matriz converte em 25 pontos. Um conversor que soma 2.5 direto na translação da matriz move a caneta um décimo do caminho, e " due" sobrepõe a palavra anterior

A ISO 32000-1 §9.4.4 diz explicitamente que deslocamentos em espaço de texto passam pela matriz de texto, então a atualização é e += tx*a e f += tx*b, nunca uma soma direta em e. É um dos muitos lugares em que o estado do PDF precisa ser carregado para atributos SVG no exato momento em que um elemento é escrito, e o resto deste artigo passa por eles

Exportando uma página carregada com BuildLoadedPageSVG

O HotPDF exporta qualquer página de um documento carregado como um arquivo SVG 1.1 autônomo. THotPDF.BuildLoadedPageSVG recebe um índice de página base zero e devolve o documento inteiro como um AnsiString, ou uma string vazia quando a página não pode ser exportada; SaveLoadedPageAsSVG grava a mesma marcação em um arquivo e devolve False em caso de falha. Ambos têm uma sobrecarga com uma flag EmbedFonts, coberta mais abaixo

A página exportada toma seu tamanho do crop box. Largura e altura são gravadas em pontos, e o viewBox usa unidades de usuário do PDF, então uma unidade no SVG é uma unidade no PDF. Paths, runs de texto, XObjects de imagem, imagens inline, shadings, padrões de mosaico, clipping paths, glifos Type 3 e Form XObjects aninhados chegam à saída, e conteúdo raster viaja como data URIs PNG base64 dentro do arquivo

var
  Pdf: THotPDF;
  I: Integer;
begin
  Pdf := THotPDF.Create(nil);
  try
    if Pdf.LoadFromFile('statements.pdf', '') <= 0 then
      Exit;                  // LoadFromFile devolve a contagem 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 build que não deveriam precisar de um programa Delphi compilado, a ferramenta de linha de comando do HotPDF expõe a mesma exportação como HotPDFCLI export-svg <pdf-file> [-o prefix] [--pages range]. SVG é texto, o que o torna um bom parceiro da rota raster em renderizar uma página PDF para um bitmap: o bitmap mostra como a página fica, e o SVG mostra quais objetos a desenharam, em uma forma que um diff de texto consegue ler

Por que um único flip de página quebra glifos e fotografias

O espaço de usuário do PDF cresce para cima a partir do canto inferior esquerdo; o SVG cresce para baixo a partir do superior esquerdo. Virar a página inteira uma vez conserta todas as coordenadas e, no mesmo gesto, espelha cada letra e cada fotografia. Os outros dois descompassos são mais silenciosos. O PDF faz escopo de estado com uma pilha (q empilha, Q desempilha), enquanto o SVG deixa um elemento herdar o que um grupo ancestral declarou. E o PDF expressa várias coisas por convenção: inteiros para caps e joins, uma largura zero que significa "a linha visível mais fina", variantes de operadores que trocam a regra de enrolamento

O HotPDF mapeia o content stream com estado do PDF em uma árvore SVG declarativa ao exportar páginas do Delphi, atravessando origens do eixo y, escopo de pilha e convenções de inteiros
O content stream com estado do PDF encontra a árvore SVG declarativa, e os três descompassos pedem tradução em vez de cópia

O BuildLoadedPageSVG cuida do flip com uma pré-transformação de página e corrige texto e imagens localmente. Todo elemento de texto carrega a cadeia pré-transformação de página × CTM × matriz de texto × matrix(1,0,0,-1,0,0). O fator da direita endireita os glifos de novo dentro do próprio quadro e deixa a linha de base onde o flip da página a colocou. Como a correção é uma matriz em vez de um caso especial, texto rotacionado, espelhado e cisalhado não pede código extra

Imagens recebem um fator diferente. O espaço de imagem do PDF põe a primeira linha de amostras no topo do quadrado unitário, enquanto o elemento image do SVG tem seu próprio quadro com y para baixo, então a transformação emitida é a CTM multiplicada à direita por matrix(1,0,0,-1,0,1). Errar o sinal e o conteúdo vetorial de uma página fica perfeito enquanto toda fotografia pende de cabeça para baixo

Páginas com uma entrada /Rotate adicionam uma rotação em espaço de exibição com y para cima antes do flip: (0,-1,1,0,0,W) para 90 graus, (-1,0,0,-1,W,H) para 180 e (0,1,-1,0,H,0) para 270, onde W e H são o tamanho da página não rotacionada e o flip usa a altura do canvas rotacionado. O page box também não precisa começar na origem. Em uma página cujo crop box é [100 100 712 892], o exportador move o canto inferior esquerdo para (0,0) antes de rotacionar, o mesmo passo que o renderizador raster dá, senão o conteúdo cai cem unidades fora do canvas

O HotPDF compõe pré-transformações de rotação de página para /Rotate 90, 180 e 270 e multiplica a CTM à direita por matrix(1,0,0,-1,0,1) para que a exportação de PDF para SVG no Delphi mantenha as imagens embutidas em pé
Pré-transformações de rotação de página e a matriz de flip de imagem mantêm páginas rotacionadas e fotografias em pé no SVG exportado

Matrizes de texto e posições por caractere

Cada run de texto vira um elemento text do SVG cujo atributo x lista uma posição para cada caractere. As posições acumulam do avanço do glifo mais o espaçamento de caractere Tc, e o espaçamento de palavra Tw é adicionado apenas depois do código de byte único 32. Um código de dois bytes que por acaso vale 32 não recebe espaçamento de palavra, que é o que a ISO 32000-1 §9.3.3 prescreve e do que fontes com chave CID dependem. Quando um glifo representa vários caracteres, como uma ligadura, os caracteres dividem o avanço dele para que cada um ainda receba um valor x próprio

Escala horizontal e text rise entram na matriz de renderização de texto como [Th 0 0 1 0 Trise] × Tm, seguindo a §9.4.4, então escalam e rotacionam junto com uma matriz de texto transformada. Números de kerning dentro de um array TJ são milésimos de um em e são multiplicados por Th como qualquer outro movimento horizontal

Dois detalhes de XML importam. Todo elemento text carrega xml:space="preserve"; sem isso um visualizador colapsa sequências de espaços e a lista de x dessincroniza dos caracteres. E o arquivo é UTF-8, então caracteres são codificados explicitamente em UTF-8 em vez de passarem pela página de código do sistema. Code points que o XML 1.0 proíbe (caracteres de controle abaixo de 0x20, surrogates, U+FFFE e U+FFFF) são trocados por U+FFFD. Texto de shaping de scripts complexos segue a mesma rota, já que o shaper transformou clusters em glifos posicionados antes de o content stream ser gravado

Fontes nomeadas ou contornos embutidos

Por padrão o texto nomeia sua fonte: o exportador deriva uma família do /BaseFont e do descritor de fonte e adiciona um fallback genérico como Arial, sans-serif, e o visualizador desenha o texto com uma fonte instalada. Isso mantém os arquivos pequenos e o texto totalmente vivo, mas uma página composta em uma tipografia corporativa embutida é desenhada em uma fonte substituta em qualquer máquina que não a tenha, cujas larguras não coincidem mais com as posições por caractere

Passar True para EmbedFonts grava os glifos de programas de fonte embutidos como contornos em um bloco defs, compartilhados entre todas as ocorrências na página. O texto original continua gravado por cima com opacidade de preenchimento zero, então pode ser selecionado e pesquisado. Use True sempre que o SVG sair da máquina que o criou: uma entrega de design, um arquivo de memória, um diff visual em um agente de CI. Use o padrão quando o arquivo ficar em um ambiente que tem as fontes e o tamanho importar

procedure ExportOutlined(Pdf: THotPDF);
var
  Svg: AnsiString;
  Output: TFileStream;
begin
  // Contornos de glifo das fontes embutidas, texto selecionável por cima
  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;

Modos de renderização são respeitados nos dois caminhos. O modo 1 traça sem preencher, o modo 2 preenche e traça, o modo 3 é invisível mas avança a caneta do mesmo jeito, e os modos 4 a 7 adicionam os glifos ao clipping path. Um glifo traçado precisa de mais uma correção: a largura de linha vive em espaço de usuário enquanto o elemento text desenha em espaço de texto, então a largura é dividida pela escala da matriz de texto. Texto engrossado com 2 Tr 0.25 w portanto mantém um contorno de um quarto de ponto; deixado no padrão do SVG de uma unidade, ficaria pesado

O que o estado gráfico carrega para cada elemento

Atributos de apresentação do SVG não seguem o escopo do PDF, então todo path é gravado com o estado de traço completo vigente naquele momento. Line cap 0, 1, 2 vira butt, round, square; line join 0, 1, 2 vira miter, round, bevel; o limite de miter, o dash array e a fase do dash são gravados quando definidos. Um dash array com entrada negativa, ou um array não vazio sem entrada positiva, é ignorado e o padrão anterior permanece; um array vazio [] restaura a linha sólida. Os mesmos valores podem chegar por um dicionário ExtGState, cujas chaves LW, LC, LJ, ML, ca e CA também são aplicadas

Largura de linha zero no PDF significa a linha mais fina que o dispositivo consegue desenhar. Copiá-la literalmente dá um traço invisível, e copiá-la como 1 dá uma linha que engorda a cada passo de zoom. O exportador grava stroke-width="1" junto com vector-effect="non-scaling-stroke", o que mantém o hairline com cerca de um pixel de dispositivo de largura em qualquer ampliação. Os operadores estrela f*, B* e b* adicionam fill-rule="evenodd", e suas formas simples mantêm o winding não nulo padrão do SVG

O Q restaura cor de preenchimento e de traço, opacidade, largura de linha, cap, join, limite de miter, dash array e fase, e também o estado de texto. A ISO 32000-1 §9.3.1 torna o estado de texto parte do estado gráfico, então um 2 Tr definido dentro de q … Q não pode traçar o texto que vem depois do Q. Clipping segue a §8.5.4: o W apenas marca o path, e o clip entra em vigor depois do operador de pintura, então re W f preenche o retângulo primeiro e recorta depois. Cada clip vira um clipPath mais um grupo de embrulho, e o Q fecha os grupos abertos desde o q correspondente

Form XObjects se comportam como um q … Q implícito. O exportador recorta um form pelo seu /BBox, salva o estado na entrada e o restaura na saída, então uma borda tracejada dentro de um carimbo não vaza para o conteúdo da página depois dele. Tiling patterns mapeiam para o espaço padrão do content stream que os usa (§8.7.2), a página ou o form, independente da CTM quando o padrão é pintado. A importação vetorial EMF e WMF roda um modelo de estado parecido na direção oposta, e a importação de SVG como Form XObject cobre a viagem inversa de SVG para PDF

Cor, shadings e as strings que os testes comparam

Cor chega ao SVG por todo operador de cor do PDF: g, rg, k e suas formas de traço, e cs / scn com um espaço nomeado dos recursos /ColorSpace da página ou do form. Cores Separation, DeviceN, ICCBased, Indexed e Lab são resolvidas para RGB pelo mesmo código de espaço de cor que o renderizador de página usa. Selecionar um espaço com cs parte da cor inicial que a §8.6.8 define: preto nos espaços de dispositivo, tint 1.0 em Separation e DeviceN, índice 0 em Indexed. O SVG não tem noção de tintas, então uma spot color chega como sua aparência RGB e o nome da tinta fica para trás no PDF. Trabalho de prova que precisa de separações reais pertence ao modelo de pintura descrito em renderizar Separation e DeviceN spot colors

Shadings axiais e radiais viram gradientes SVG. A especificação deixa /Extend com padrão [false false], significando que nada é pintado antes de t0 ou depois de t1, enquanto o spread pad do SVG pinta as cores de ponta para fora. O exportador faz a ponte adicionando uma parada totalmente transparente em cada extremo que não se estende. Shadings baseados em função são amostrados em uma imagem a cerca de uma amostra por unidade, e shadings de malha são renderizados em uma imagem embutida

Cores hex saem em maiúsculas. Um teste de regressão que compara strings precisa esperar #FF0000, e um teste escrito contra minúsculas vai falhar em uma saída perfeitamente correta. Coordenadas e larguras são arredondadas para quatro casas decimais e matrizes transform mantêm nove dígitos significativos, ambos com ponto como separador decimal, seja qual for o locale da máquina que roda o teste

procedure CheckRedRectangle(Pdf: THotPDF);
var
  Svg: AnsiString;
begin
  Svg := Pdf.BuildLoadedPageSVG(0);
  // Assert é uma verificação que você acrescenta no seu teste, não faz parte da exportação
  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;

Uma verificação de strings como essa se sustenta quando o PDF de entrada é gerado pelo seu próprio código e as cores esperadas são conhecidas. Para páginas de fora, comparar o SVG de dois builds entre si pega mais do que qualquer atributo fixado no código. O resto do toolkit para documentos carregados, da renderização e edição à exportação, está descrito na página do componente PDF HotPDF para Delphi