在 PDF 用户空间(原点在左下角)x = 560, y = 30 处画的页码,应该落在 Letter 页的右下角。而在一张存成竖版媒体的横向扫描页上——/MediaBox [0 0 612 792] 配 /Rotate 90——同一个绘制调用把数字放在阅读器所见画面左缘往右 30 磅、底边往上 52 磅的位置,数字沿着页边竖着往下排。盖章代码完全照章办事:它写进了一个所有查看器都会先顺时针转四分之一圈再给人看的坐标系
扫描仪和手机采集应用一直在产出这种页面,因为设一个旋转标志比重新编码一张 JPEG 便宜多了。查看器都认 /Rotate,所以文件直到有东西开始在原始用户空间里干活之前都一切正常:盖章例程、只看 /MediaBox 定槽位的拼版步骤、自带方向见解的打印 RIP。持久的修法是把旋转摊平——把转动搬进内容流,把 /Rotate 设为 0,让存储的几何和显示的几何终于一致。这听起来像乘一个矩阵。实际上它够到五个页面框、三类注释几何、每个指向该页面的链接和结构树,而 ISO 32000-1 为它们每一个都立了单独的规矩
/Rotate 把 PDF 页面往哪边转?
/Rotate 让页面为显示和打印顺时针转,以 90 度的倍数(ISO 32000-1 §7.7.3.3,表 30)。90 度时媒体左缘变成顶边、顶边变成右侧,所以在 y 向下的设备空间里映射是 X = (y - Bottom) * Scale 和 Y = (x - Left) * Scale。270 度时换成右缘变成顶边。这个键还是可继承的:与 /Resources、/MediaBox 和 /CropBox 一起,它是 /Pages 祖先可以提供的四个页面属性之一(§7.7.3.4),所以自己没有 /Rotate 的页面字典照样可能被转。THotPDF.GetLoadedPageRotation 沿 /Parent 链上溯,取遇到的第一个 /Rotate,归一化到 0–359,存储的 -90 回来是 270
方向是那种错了也没人察觉的部分。一个在 90 和 270 度时把 y 分量换掉的页面到设备矩阵根本不是旋转——它沿对角线镜像,行列式变号。两个角度看起来都转过了。位图有着换过的宽高,把一个点映进视图再映射回来回到原点,尺寸检查和往返测试都毫无怨言地通过。能抓住这个错误的是一角带不对称标记的页面,渲染出来与独立渲染器逐像素比较;几何实现只跟自己比对,在这里证明不了什么。HotPDF 里 FlattenLoadedPageRotation 和 RenderLoadedPageToBitmap 共享同一个顺时针约定,渲染器画在旋转页左上角的标记,摊平之后仍在左上角
用 FlattenLoadedPageRotation 摊平一个页面范围
THotPDF.FlattenLoadedPageRotation(PageRange, Info) 处理 PageRange 里有效旋转为 90、180 或 270 的每一页,返回摊平的页数。空 PageRange 表示整个文档;否则字符串用从 1 起的 '1-3,7' 语法,超出末尾的页号会抛异常,而不是悄悄退出范围。原内容流逐字节保持原样。方法在 /Contents 最前面放一个装着 q 和一个 cm 转动的新流,在最后放一个装着 Q 的流,然后把 /Rotate 0 写进页面字典本身
| 有效 /Rotate | 前缀流 | 新 MediaBox |
|---|---|---|
| 90 | q 0 -1 1 0 -Bottom Width+Left cm | [0 0 Height Width] |
| 180 | q -1 0 0 -1 Width+Left Height+Bottom cm | [0 0 Width Height] |
| 270 | q 0 1 -1 0 Height+Bottom -Left cm | [0 0 Height Width] |
显式写零比看上去重要。删掉 /Rotate 键似乎更整洁,但它会弄坏每一个 90 来自 /Pages 节点的页面:页面重新继承那个转动,查看器把已经正立的内容又转了一遍。页面字典上的 /Rotate 0 挡住这条继承路径,这让它成为唯一安全的写值
var
Pdf: THotPDF;
Info: THPDFRotationFlattenInfo;
Flattened: Integer;
begin
Pdf := THotPDF.Create(nil);
try
if Pdf.LoadFromFile('scanned-batch.pdf') > 0 then
begin
// '' 表示所有页;已是 0 度的页面计入但不改动
Flattened := Pdf.FlattenLoadedPageRotation('', Info);
Writeln(Format('Scanned %d, flattened %d pages',
[Info.ScannedPageCount, Info.FlattenedPageCount]));
Writeln(Format('Turned %d annotations, %d destinations, %d tagged geometry entries',
[Info.TransformedAnnotationCount, Info.TransformedDestinationCount,
Info.TransformedStructureGeometryCount]));
if Flattened > 0 then
Pdf.SaveLoadedDocument('scanned-batch-upright.pdf');
end;
finally
Pdf.Free;
end;
end;
把 THPDFRotationFlattenInfo 记录记进日志,别随手扔掉。ScannedPageCount 是范围大小,FlattenedPageCount 等于返回值,三个 Transformed... 计数告诉你链接、书签或标记几何是否指向了被转的页面。扫描批次的 destination 为零是正常的,扫描仪很少写链接。一份标记 PDF/UA 文件在你明知它带图形包围框时报告零结构几何,那才是需要手工打开检查的那份
写任何框之前,先把所有框读完
摊平只重写页面已有的框,而且写第一个之前先把所有框读完。顺序要紧,因为 §14.11.2 有条默认链:GetLoadedPageBox(PageIndex, pbCropBox, ...) 在页面没有 /CropBox 时返回 MediaBox,而 /BleedBox、/TrimBox 和 /ArtBox 回退到 CropBox。一个一次读一个框、转一个框、写一个框的循环,正好一头撞进这条链:它转了 MediaBox 存下来,读"CropBox"拿回刚转过的新 MediaBox,再转一遍,写出一个页面从未有过的 CropBox。在 Letter 页上这第二转得到 [0 -180 612 612],裁到新 MediaBox 之后可见页面缩成 612 × 612 的方块
继承把五个框分成两组。MediaBox 和 CropBox 沿 /Parent 链查找,BleedBox、TrimBox 和 ArtBox 只有坐在页面字典本身上才算数。FlattenLoadedPageRotation 判断哪些框存在时遵循同样的分法:继承来的 CropBox 会被转动并写到页面上,/Pages 节点上多余的 /TrimBox 视为不存在,绝不往下复制
procedure DumpPageGeometry(Pdf: THotPDF; PageIndex: Integer);
var
L, B, R, T: Single;
begin
Writeln('Effective /Rotate: ', Pdf.GetLoadedPageRotation(PageIndex));
if Pdf.GetLoadedPageBox(PageIndex, pbMediaBox, L, B, R, T) then
Writeln(Format('MediaBox [%g %g %g %g]', [L, B, R, T]));
// 没有 /TrimBox 键时也返回 True:值回退到 CropBox,再到 MediaBox
if Pdf.GetLoadedPageBox(PageIndex, pbTrimBox, L, B, R, T) then
Writeln(Format('TrimBox [%g %g %g %g]', [L, B, R, T]));
// 预设 Letter;失败时 GetLoadedPageVisibleBox 不动输出参数
L := 0; B := 0; R := 612; T := 792;
Pdf.GetLoadedPageVisibleBox(PageIndex, L, B, R, T);
Writeln(Format('Visible [%g %g %g %g]', [L, B, R, T]));
end;
摊平前后各跑一遍这个辅助函数。对 MediaBox 为 [0 0 612 792] 的 90 度页,摊平后的 MediaBox 是 [0 0 792 612]。每个重写的框都相对原始 MediaBox 原点做同一个顺时针转动,所以新 MediaBox 总是从 0,0 开始,而 [18 18 594 774] 的 TrimBox 变成 [18 18 774 594]——离横向页面每条边仍然 18 磅
GetLoadedPageVisibleBox 返回查看器显示、打印机打印的区域:裁到 MediaBox 的 CropBox,并归一化成 Left 小于 Right、Bottom 小于 Top。页面渲染器和 SVG 导出都用同一个框定输出尺寸。想要人实际看到的尺寸就该调 GetLoadedPageVisibleBox——为这个目的去读 /MediaBox,在任何带 CropBox 的页面上都会拿错答案
只旋转 /Rect 时注释为什么坏?
注释坏,因为外观流从不直接画进 /Rect。按 §12.5.5,查看器先用表单的 /Matrix 变换 /BBox,再把结果的外接框缩放平移进 /Rect。只转 /Rect,一张 200 × 40 的图章被挤进 40 × 200 的槽位,谁也读不了它。所以 FlattenLoadedPageRotation 把页面的顺时针转动右乘到每个外观 /Matrix 上(90 度时按行向量约定是 [0 -1 1 0 0 0]),覆盖 /N、/R 和 /D 外观及其内部每个状态。一个外观流可以服务多个注释或状态,所以每个流每次调用恰好转一次;被不同旋转的页面共享的流,取第一个够到它的页面的转角
还有两条小规则让表单字段和便签留在原地。widget 的 /MK /R 条目(§12.5.6.19)是逆时针角,所以要从它里面减去页面的顺时针角、对 360 取模。放着不管,下次外观重新生成时字段文字方向就错了。带 NoRotate 标志(第 5 位,值 16,§12.5.3)的注释在旋转页上保持正立、绕自己 /Rect 的左上角转轴;对这些注释,方法保留宽、高和正立的外观,只把那个角挪到转动把它放到的位置
过了注释字典,同一个调用还转 /QuadPoints、/Vertices、/L 和 /InkList。它会重写指向该页面的显式 destination:/XYZ 坐标和 /FitR 矩形经转动映射,90 或 270 度时 /FitH 和 /FitBH 与 /FitV 和 /FitBV 互换(§12.3.2.2)。它还变换标记几何,比如 /Pg 为该页的结构元素上的属性 /BBox 条目
结构树是直线式遍历出问题最难受的地方。结构元素的 /Pg 指回页面对象,一个把"这属于该页面"沿每个键带下去的遍历器会顺着 /Pg 进页面、再进 /Annots——把注释矩形再转一遍——再进 /BBox 活在表单空间、已被外层 cm 覆盖的 Form XObject。跟 /P 爬到树根,又把其他页面的元素拽进来。这些是否触发取决于对象恰好被访问的顺序;目录里 /Pages 排在 /StructTreeRoot 前面时页面往往先被够到,破坏保持隐藏,普通测试文件因此能通过。FlattenLoadedPageRotation 只经 /K(子节点)和 /A(属性)携带页面上下文,自带指向其他页面的 /Pg 的子节点留给那一页
批量出货之前检查结果
摊平后的页面在查看器里应该看起来一模一样,有用的检查正是那些在不一样时能察觉的检查。几个行为决定了你怎么验证
- 有效旋转已是 0,或 MediaBox 缺失或宽高为零的页面,直接跳过不抛异常,所以拿返回值和你预期要改的页数比一比
- 从页面资源引用的 Form XObject 保留自己的
/BBox和/Matrix,因为外层cm已经转动了它们画的一切 - destination 靠每摊平一页遍历全部间接对象来找到;几百个旋转页的大文件,请为每一页的这趟遍历留出预算
RenderLoadedPageToBitmap只画页面内容流、不画注释,所以要目检转过的图章,得先在文档的草稿副本上跑FlattenLoadedAnnotations
物有所值的测试页在一角带点不对称的东西,比如显示页面左上角一个实心方块。摊平前后各渲染一次,比较标记周围的像素。只比宽高,镜像页照样高高兴兴地通过
// 只在草稿副本上做:FlattenLoadedAnnotations 会把注释
// 烘进页面内容并从页面上移除
Pdf.FlattenLoadedAnnotations('1'); // 从 1 起的页面范围
Before := Pdf.RenderLoadedPageToBitmap(0, 96); // 从 0 起的页面索引
if Before = nil then
raise Exception.Create('Page 1 did not render');
try
Pdf.FlattenLoadedPageRotation('1', Info);
After := Pdf.RenderLoadedPageToBitmap(0, 96);
if After = nil then
raise Exception.Create('Flattened page 1 did not render');
try
// 你自己的检查,不是库调用:尺寸必须一致……
Assert((Before.Width = After.Width) and (Before.Height = After.Height));
// ……左上角的标记像素也必须一致
Assert(Before.Canvas.Pixels[8, 8] = After.Canvas.Pixels[8, 8]);
finally
After.Free;
end;
finally
Before.Free;
end;
如果旋转页上的图章还没有外观流,摊平之前先合成注释外观覆盖那一步。角对比背后的渲染器在把已加载 PDF 页面渲染成位图里有描述,已加载 PDF 的涂黑与 N-up 拼接依赖的是同一套往 /Contents 追加流而不重新编码原流的想法。FlattenLoadedPageRotation、GetLoadedPageBox 和 GetLoadedPageVisibleBox 随面向 Delphi 和 C++Builder 的 HotPDF 交付——细节见 HotPDF Delphi PDF 组件页面