Teknik Makale

PDF content streamlerinde identity Tm: güvenli silme

Bir rapor üreticisinin yazabileceği bir içerik akışı alın: BT (Invoice) Tj 1 0 0 1 0 0 Tm (Total) Tj ET — ve 1 0 0 1 0 0 Tm girdisini, altı rakamı birim matrisi okuduğu için silin. Sonucu render edin ve "Total" bir daha metin uzayının başlangıcında başlamaz; "Invoice"nin bittiği yerde, aynı taban çizgisinde başlar. Bir birim Tm, yalnızca metin matrisi ile metin satır matrisi çoktan birim değeri tutarken gereksizdir: doğrudan BTden sonra ya da doğrudan bir başka birim Tmden sonra

Silme cezp edicidir; çünkü aynı altı rakam, cmin önünde gerçekten ölü ağırlıktır. İki işlece aynı gözle bakan bir içerik akışı iyileştiricisi pek çok akışı doğru küçültür. Sonra bir birim Tmyi satır başı olarak kullanan bir üreticiyle karşılaşır ve metin kayar

1 0 0 1 0 0 Tm neden her zaman işlevsiz değildir?

İki işleç farklı aritmetik yapar. ISO 32000-1 §8.4.4, cm işlecini işlenenini o anki dönüşüm matrisiyle birleştirmek (concatenate) olarak tanımlar; herhangi bir matrisi birimle çarpın aynı matris geri gelir, böylece 1 0 0 1 0 0 cm nerede duruyorsa orada silinebilir. Tm bir atamadır. §9.4.2 altında hem metin matrisini hem metin satır matrisini işlenenlerine ayarlar ve ne tuttuklarını çöpe atar; bir şey değiştirip değiştirmediği tamamen önündeki işleçlere bağlıdır

§9.4.1, BTnin her iki matrisi birimden başlattığını söyler. Oradan itibaren metin nesnesinin içindeki neredeyse her şey en az birini oynatır. Td, TD, T* ve birim olmayan bir Tm metin satır matrisini yeniden konumlandırır. Her metin gösteren işleç (Tj, TJ, ' ve ") metin matrisini az önce boyadığı gliflerin genişliğiyle ilerletir ve son ikisi önce yeni bir satır açar. O işleçlerden biri bir kez çalıştıktan sonra birim bir Tm, başlangıca gerçek bir geri atlamadır. Yukarıdaki fatura akışı o sıçramaya yaslanır

Bir akışı elle izlemek işi çabuk bitirir. Fatura örneğini içerik akışı CTM ve metin matrisi durum izleyicisinden geçirin ve kayıt, cmin CTM'ye birleştirilirken Tmnin her iki metin matrisini üzerine yazdığını gösterir — özdeş işlenenlerin arkasına saklanmış iki farklı güncelleme kuralı

PDFlibPas, 1 0 0 1 0 0 cm ile 1 0 0 1 0 0 Tm'yi farklı işler: cm CTM'yi sağdan çarpar ve her yerde işlevsizdir; Tm ise Tm ile Tlm'i baştan değiştirir ve her Tj, boyadığı genişlik kadar Tm'yi ilerletir; böylece boyanmış metinden sonraki bir birim Tm gerçek bir sıfırlamadır
Rapor üreticisi o sıfırlamaya yaslanır: birim Tm'yi silmek Total'i Invoice'in hemen ardından, aynı taban çizgisine basar ve müşterinin yazıcısına giden yolda hiçbir şey başarısız olmaz, günlük tutmaz ya da uyarmaz

PDF Library for Delphi hangi birim Tm'yi düşürdüğüne nasıl karar veriyor?

PDF Library for Delphi, peephole geçişinde her birim cmyi düşürür ve bir birim Tmyi, o işleçten geriye doğru tarama, metin matrislerini oynatabilecek herhangi bir şeyle karşılaşmadan BTye ya da bir başka birim Tmye ulaşırsa düşürür. "Birim" sınaması sayısalıdır: işleç, 1, 0, 0, 1, 0, 0 değerlerine eşit tam altı sayı işleneni ister; böylece 1.0 0 0 1.0 0 0 Tm de uygundur. Geriye yürürken tarama, karşılaştığı her işleci iki kümeden birine koyar:

  • Dur ve Tm'yi koru: Td, TD, T*, birim olmayan bir Tm, Tj, TJ, ', ", ET, ayrıştırıcının tanımadığı herhangi bir işleç ya da akışın başlangıcı
  • Üstünden at ve taramayı sürdür: metin matrisine ya da metin satır matrisine asla dokunmayan işleçler; Tf, Tc, renk ayarlayıcıları, gs, işaretlenmiş içerik işleçleri, Do ve cm gibi

Önceki bir birim Tm, iyileştirici onu koruyor ya da zaten kaldırma için planlamış olsa da taramayı silme lehine bitirir. Her iki durumda da her iki matrisi birimde bırakmıştır — BTnin geride bıraktığı durumun aynısı. Bu yüzden BTden hemen sonra gelen üç birim Tmlik bir dizi hiçe iner

PDFlibPas RemoveIdentityMatrices her birim Tm'den geriye doğru yürür: Tf, Tc, renk ayarlayıcıları, gs ve cm üstünden atılır; Td, TD, T*, birim olmayan bir Tm, Tj, TJ, bilinmeyen bir işleç ya da ET taramayı durdurur ve Tm'yi korur; BT ise düşürmesine kefil olur
Önceki bir birim Tm de taramayı durdurur; çünkü korunsun ya da silinmek üzere planlansın, her iki matrisi de birimde bırakmıştır — her iki durumda da iyileştirici hiçbir glifi oynatmaz

Muhafazakâr duruşlar bilinçlidir. Bilinmeyen bir işleç her şey yapabilen bir satıcı eklentisi olabilir; tarama onun ötesini akıl etmeyi reddeder. ETden sonra açık bir metin nesnesi yoktur ve orada duran bir birim Tmnin matris değerlerine kefil olacak bir BTsi yoktur. Tarama ayrıca bir seferde tek bir içerik akışına bakar. /Contents alanı dizi olan sayfalar için önemli: PDF bir metin nesnesinin bir akışta başlayıp öbüründe sürmesine izin verir; metin nesnesinin ortasında açılan, kendine BTsi olmayan bir katman, önceki katman onu gereksiz kılıyordu diye birim Tm girdisini korur

Bizce yanılmanın doğru tarafı bu. Matrisleri akış sınırları boyunca izlemek ya da bilinmeyen işleçleri taklit etmek, tuhaf dosya başına sıkıştırılmamış metinden belki on dört bayt kurtarır. Yanlış yapmak, basılı bir faturada bir glifi oynatır. Bedel ile risk aynı ligde değil

Çıktıda gördüğünüzü değiştirdiği için bilinmeye değer bir dolgu etkisi var. Aynı geçiş, içi bomboş metin nesnelerini de kaldırır; böylece BT 1 0 0 1 0 0 Tm ET tümüyle kaybolur: önce birim Tm gider ve geride bıraktığı BT/ET çifti boştur

İyileştiriciyi bir içerik akışı parçasında koşmak

İyileştirici, sayfa metnini yordam düzeyinde düzenlemek için kullanacağınız — karakterden içerik baytına eşleme gezintisindeki gibi — aynı ayrıştırılmış TPDFContentProgram modeli üzerinde çalışır. Bütün bir belgeye güvenmeden kuralı bir dizge üzerinde denemek kolaylaşır. Aşağıdaki yardımcı, çözülmüş bir akışı ayrıştırır, TPDFContentPeepholeOptimizer koşar ve sonucu satır başına bir yordam olarak yayar. Parsedan önce CanonicalNumbers ayarı, her sayıyı sabit bir hassasiyetle yeniden yazan kaydetme anı geçişini aynalar

uses
  PDFlibContentModel, PDFlibContentOptimize;

function OptimizeSnippet(const Source: AnsiString): AnsiString;
var
  Prog: TPDFContentProgram;
  Optimizer: TPDFContentPeepholeOptimizer;
begin
  Result := Source;
  Prog := TPDFContentProgram.Create;
  try
    Prog.CanonicalNumbers := True; // save geçişindekiyle aynı sayı ele alma
    if not Prog.Parse(Source) then
      Exit; // ağır yapısal hasar: baytlara dokunma
    Optimizer := TPDFContentPeepholeOptimizer.Create(Prog);
    try
      Optimizer.Run; // kaldırılan yordam sayısını döndürür
    finally
      Optimizer.Free;
    end;
    Result := Prog.Emit; // satır başına bir yordam, #10 ile ayrılmış
  finally
    Prog.Free;
  end;
end;

// Kaldırıldı: BT'den hemen sonra Tm, art arda iki identity Tm'nin ikincisi
//   OptimizeSnippet('BT /F1 12 Tf 1 0 0 1 0 0 Tm (hello) Tj ET')
// Korundu: Td'den sonra, Tj'den sonra, identity olmayan bir Tm'den sonra ya da BT dışında Tm
//   OptimizeSnippet('BT (Invoice) Tj 1 0 0 1 0 0 Tm (Total) Tj ET')

Fatura akışını ondan geçirin ve birim Tm hayatta kalır; çünkü geriye doğru tarama, BTye uzun varmadan Tjye çarpar. BT ile birim Tm arasına /F1 12 Tf, 2 Tc ve 0 g koyun ve yine gider; çünkü o üçü de metin matrislerine dokunmaz. İlginç durum BT 10 20 Td 1 0 0 1 0 0 Tm 1 0 0 1 0 0 Tm dizisidir. Tam bir işleç kaybeder. İlk birim Tm, Tdnin yaptığı hamleyi geri alır ve gereksiz olan yalnızca ikincisidir

Parse, yalnızca sonlanmamış bir dizge ya da sözlük gibi ağır hasarda False döndürür. Bilinmeyen işleçler sorunsuz ayrışır ve programda kalır; orada tarama için sert duraklar olarak davranırlar

Peephole iyileştiricisi aslında ne zaman çalışır?

İyileştirici yalnızca sıkıştırma geçişinin içinde ve yalnızca hâlâ Flate ile sıkıştırılmamış sayfa içerik akışlarında koşar. TPDFlib.SetOptimizeContentStreams(1) varsayılandır ve aynı anahtar TPDFlibSaveOptionsun OptimizeContentStreams alanı olarak da görünür; CompressContent ile CompressPage ikisi de ona saygı duyar. /Filter alanı çoktan /FlateDecode olan bir akış tümüyle atlanır; böylece tipik bir sıkıştırılmış PDF'yi yükleyip yeniden kaydetmek, işleçlerini oldukları gibi bırakır. Sıkıştırılmamış saklanan akışlar çözülür, iyileştirilir ve ardından Flate ile sıkıştırılır. Bir akış ayrıştırılamazsa özgün çözülmüş baytları olduğu gibi sıkıştırılır

PDFlibPas peephole iyileştiricisini yalnızca kaydetme anı sıkıştırma geçişinin içinde koşturur: TPDFPageTree.Compress, SetOptimizeContentStreams'e saygı duyar; /FlateDecode ile çoktan filtrelenmiş bir akış tümüyle atlanır; ayrıştırılamayan bir akış özgün baytları değişmeden sıkıştırılır ve NormalizeContentStreams iyileştiriciyi hiç çağırmaz
Atlanan sıkıştırılmış akışlar sessiz kısımdır: var olan bir PDF'yi yükleyip yeniden kaydedin ve işleçleri dokunulmadan çıkar; çünkü iyileştirici yalnızca önce çözdüğü akışları yeniden yazar
var
  Lib: TPDFlib;
  Options: TPDFlibSaveOptions;
begin
  Lib := TPDFlib.Create;
  try
    if Lib.LoadFromFile('report.pdf', '') <> 1 then
      Exit;
    // Sıkıştırılmamış sayfa akışları peephole kurallarından, ardından Flate'ten geçer
    Lib.SetOptimizeContentStreams(1);
    Lib.CompressContent;
    Lib.SaveToFile('report-optimized.pdf');

    // Toplu kaydetme seçenekleriyle aynı tercih; False vazgeçirir
    Options.CompressContent := True;
    Options.CompressFonts := True;
    Options.CompressImages := True;
    Options.Linearize := False;
    Options.KeepModDate := False;
    Options.OptimizeContentStreams := False;
    Options.GarbageCollect := False;
    Options.PackObjectStreams := True;
    Lib.SaveToFileOptions('report-plain.pdf', Options);
  finally
    Lib.Free;
  end;
end;

Varsayılanı açık bırakın. Geçişteki her dönüşüm çıktı eşdeğeridir ve birim matris kuralı, her metin nesnesini BT 1 0 0 1 0 0 Tm ile açan, pek çok üreticinin yaydığı bir deseni kovalar. Kapatmak esas olarak, kendi sıkıştırılmamış çıktınızı yazdığınızla diff'lemek istediğinizde ya da bir taban çizgisi gerektiğinde anlamlıdır. O taban çizgisi için TPDFlib.NormalizeContentStreams, içeriği kanonik aralık ve sayılarla ayrıştırıp yeniden yayar ama iyileştiriciyi asla çağırmaz; böylece normalize edilmiş bir kayıtla iyileştirilmiş bir kayıt arasındaki boyut farkı, peephole kurallarının katkısıdır. yazı tipi alt kümeleme ile PDF dosya boyutu iyileştirme başlığında anlatılan daha büyük kazançların yanında mütevazı olmasını bekleyin

Tek bir biçimi kapsayan bir test kuralı tanımlamaz

Bir iyileştiriciye BT 1 0 0 1 0 0 Tm (hello) Tj ET verip hiçbir Tm kalmadığını iddia eden bir test tek bir biçimi çiviler: BTden hemen sonra gelen bir birim Tm kaldırılır. Bir Tdden sonra ya da boyanmış metinden sonra gelen bir birim Tm hakkında hiçbir şey söylemez. O tek iddiayı "birim Tm her zaman kaldırılabilir" diye okumak kolay ve pahalı bir hatadır; çünkü örnek iki yönde de geçer. Böyle bir kuralın testleri, kaldırılabilir biçimlerin yanında korunan biçimleri de yazılı ister

Aşağıdaki yardımcı hayatta kalan Tm işleçlerini sayar, sonra bir girdi tablosunu denetler. ExpectTmyi test çerçevenizin iddiasıyla değiştirin; kitaplığın parçası değildir

uses
  SysUtils, PDFlibContentModel, PDFlibContentOps, PDFlibContentOptimize;

function TmCountAfterOptimize(const Source: AnsiString): Integer;
var
  Prog: TPDFContentProgram;
  Optimizer: TPDFContentPeepholeOptimizer;
  I: Integer;
begin
  Result := -1; // -1 ayrıştırma başarısızlığı sinyali
  Prog := TPDFContentProgram.Create;
  try
    if not Prog.Parse(Source) then
      Exit;
    Optimizer := TPDFContentPeepholeOptimizer.Create(Prog);
    try
      Optimizer.Run;
    finally
      Optimizer.Free;
    end;
    Result := 0;
    for I := 0 to Prog.Count - 1 do
      if Prog[I].Op = coTextMatrix then
        Inc(Result);
  finally
    Prog.Free;
  end;
end;

// Sizin kendi denetim yardımcınız, burada öneriliyor; gerçek bir iddiayla değiştirin
procedure ExpectTm(const Source: AnsiString; Expected: Integer);
var
  Actual: Integer;
begin
  Actual := TmCountAfterOptimize(Source);
  if Actual <> Expected then
    raise Exception.CreateFmt('%s: expected %d Tm, got %d',
      [string(Source), Expected, Actual]);
end;

procedure CheckIdentityTmRule;
begin
  // Kaldırılabilir biçimler
  ExpectTm('BT /F1 12 Tf 1 0 0 1 0 0 Tm (hello) Tj ET', 0);
  ExpectTm('BT 1 0 0 1 0 0 Tm 1 0 0 1 0 0 Tm (a) Tj ET', 0);
  ExpectTm('BT /F1 12 Tf 2 Tc 0 g 1 0 0 1 0 0 Tm (a) Tj ET', 0);
  // Identity Tm'yi koruması zorunlu biçimler
  ExpectTm('BT (Invoice) Tj 1 0 0 1 0 0 Tm (Total) Tj ET', 1);
  ExpectTm('BT 10 20 Td 1 0 0 1 0 0 Tm 1 0 0 1 0 0 Tm (a) Tj ET', 1);
  ExpectTm('BT 2 0 0 2 5 5 Tm (a) Tj 1 0 0 1 0 0 Tm (b) Tj ET', 2);
  ExpectTm('1 0 0 1 0 0 Tm (a) Tj', 1);    // BT kapsamı yok
  ExpectTm('BT ET 1 0 0 1 0 0 Tm', 1);     // ET'den sonra
end;

Son iki satır, katmanlı /Contents dizilerinin tam olarak o parçaları ürettiğini hatırlayana dek saçma görünür. Metin nesnesinin ortasında başlayan bir akışın BTsi yoktur ve ETden sonraki bir birim Tm hiçbir metin nesnesine ait değildir. İkisi de kalır. Son satırdaki boş BT ET çifti, boş metin nesnesi kuralıyla kaldırılır; sayımın bütün dizgeleri karşılaştırmak yerine Tm işleçlerini denetlemesinin nedeni budur

Kuralın feda ettiği şey, bir metin nesnesinin ortasındaki ara sıra bir birim Tm girdisidir: Flate onları görmeden önce sayfa başına birkaç bayt. Satın aldığı şey, iyileştiricinin tasarımının yaslandığı garantidir: geçişteki hiçbir dönüşüm görünür sayfayı değiştirmez. Metni oynatan bir boyut iyileştiricisi, iyi bir sıkıştırma oranıyla süslenmiş bir render hatasıdır

Delphi ya da C++Builder'da PDF içeriği üretiyor ya da son işliyorsanız Delphi ve C++Builder için PDF Library, içerik akışı ayrıştırıcısını, bu peephole geçişini ve yukarıdaki kaydetme seçeneklerini, kıyaslamak için tertemiz iyileştirilmemiş bir taban çizgisi üreten NormalizeContentStreams ile birlikte getirir