PDF 裡設定標題的常見寫法是 /F1 1 Tf 10 0 0 10 72 700 Tm (Total) Tj ( due) Tj:字型大小設為 1,實際大小交給文字矩陣。把它丟給手寫的 PDF 轉 SVG 轉換器,第二個文字 run 經常幾乎疊在第一個的正上方。假設 "Total" 的五個字形平均半個 em,文字原點應該前進 2.5 個文字空間單位,經矩陣換算就是 25 點。若轉換器把 2.5 直接加進矩陣的平移量,筆只移動了十分之一的距離," due" 就會疊印在前一個詞上
ISO 32000-1 §9.4.4 明確指出文字空間內的位移要經過文字矩陣,所以更新式是 e += tx*a 與 f += tx*b,絕不是直接對 e 做純加法。這只是 PDF 狀態必須在寫出元素的那一刻帶進 SVG 屬性的眾多場合之一,本文其餘部分就逐一走過這些場合
用 BuildLoadedPageSVG 匯出已載入的頁面
HotPDF 能把已載入文件的任一頁匯出為獨立的 SVG 1.1 檔案。THotPDF.BuildLoadedPageSVG 接受一個以零為起始的頁面索引,以 AnsiString 回傳整份文件,無法匯出時回傳空字串;SaveLoadedPageAsSVG 把同樣的標記寫入檔案,失敗時回傳 False。兩者都有一個帶 EmbedFonts 旗標的多載,後面會談到
匯出的頁面尺寸取自 crop box。寬與高以點為單位寫出,viewBox 使用 PDF 使用者單位,所以 SVG 裡的一個單位就是 PDF 裡的一個單位。路徑、文字 run、影像 XObject、內嵌影像、漸層、平鋪圖案、裁剪路徑、Type 3 字形與巢狀 Form XObject 都會進到輸出,點陣內容則以 base64 PNG data URI 的形式隨檔攜帶
var
Pdf: THotPDF;
I: Integer;
begin
Pdf := THotPDF.Create(nil);
try
if Pdf.LoadFromFile('statements.pdf', '') <= 0 then
Exit; // LoadFromFile 回傳頁數
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;
對於不想依賴一支編譯過的 Delphi 程式的建置管線,HotPDF 命令列工具以 HotPDFCLI export-svg <pdf-file> [-o prefix] [--pages range] 公開同一個匯出功能。SVG 是文字,這讓它成為把 PDF 頁面渲染成點陣圖那條點陣路線的好搭檔:點陣圖顯示頁面長什麼樣,SVG 則顯示是哪些物件畫出它,而且是文字 diff 讀得懂的形式
為什麼一次頁面翻轉會弄壞字形與照片
PDF 使用者空間從左下角向上成長;SVG 從左上角向下成長。把整個頁面翻轉一次,所有座標都對了,但同一筆也把每個字母、每張照片都鏡像了。另外兩處落差更隱晦。PDF 用堆疊管理狀態(q 推入、Q 彈出),SVG 則讓元素繼承祖先群組宣告過的任何屬性。而 PDF 有幾件事靠慣例表達:線帽與線接合是整數、零線寬代表「最細的可見線」、運算子的星號變體切換纏繞規則
BuildLoadedPageSVG 以一個頁面預先變換處理翻轉,並在局部修正文字與影像。每個文字元素都帶著這條鏈:頁面預先變換 × CTM × 文字矩陣 × matrix(1,0,0,-1,0,0)。最右邊的因子把字形在自己的座標框內轉正,基準線則留在頁面翻轉放它的位置。因為修正是一個矩陣而不是特例,旋轉、鏡像與剪切過的文字都不需要額外程式碼
影像用的是另一個因子。PDF 影像空間把第一列樣本放在單位正方形的頂邊,而 SVG 的 image 元素有自己 y 軸向下的座標框,所以輸出的變換是 CTM 右乘 matrix(1,0,0,-1,0,1)。符號一旦弄反,頁面的向量內容完美無缺,每張照片卻全部上下顛倒
帶 /Rotate 項目的頁面會在翻轉之前,先加上一個 y 軸向上顯示空間裡的旋轉:90 度用 (0,-1,1,0,0,W)、180 度用 (-1,0,0,-1,W,H)、270 度用 (0,1,-1,0,H,0),其中 W 與 H 是未旋轉的頁面尺寸,翻轉則使用旋轉後畫布的高度。頁面框也未必從原點開始。在 crop box 為 [100 100 712 892] 的頁面上,匯出器會先把左下角移到 (0,0) 再旋轉,與點陣渲染器採取的步驟相同,否則內容會落在畫布外一百個單位處
文字矩陣與逐字元座標
每個文字 run 變成一個 SVG text 元素,其 x 屬性為每個字元各列一個座標。座標由字形前進量加上字元間距 Tc 累加而成,字距 Tw 則只在單位元組碼 32 之後加入。恰好等於 32 的雙位元組碼不加字距,這是 ISO 32000-1 §9.3.3 的規定,也是 CID 字型所依賴的行為。當一個字形代表多個字元(連字就是這樣),這些字元共用它的前進量,讓每個字元仍然有自己的 x 值
水平縮放與文字抬升按 §9.4.4 摺進文字渲染矩陣,成為 [Th 0 0 1 0 Trise] × Tm,所以它們會跟著被變換過的文字矩陣一起縮放、一起旋轉。TJ 陣列裡的 kerning 數值是千分之一 em,與其他水平位移一樣乘上 Th
兩個 XML 細節很關鍵。每個 text 元素都帶 xml:space="preserve";少了它,檢視器會收縮連續空格,x 清單就跟字元對不上位。檔案是 UTF-8,字元明確以 UTF-8 編碼,不經過系統碼頁。XML 1.0 禁止的碼點(0x20 以下的控制字元、代理對、U+FFFE 與 U+FFFF)會換成 U+FFFD。來自複雜文字排版處理的文字走同一條路,因為 shaper 在內容串流寫出之前,就已經把叢集變成了帶座標的字形
具名字型或內嵌外框
預設情況下文字會指名自己的字型:匯出器從 /BaseFont 與字型描述器推導出一個字型家族,並加上 Arial, sans-serif 這類通用備援,檢視器用已安裝的字型繪製文字。這樣檔案小、文字完全可用,但一份以內嵌企業字型排版的頁面,在缺少該字型的機器上會以替代字型繪製,其字寬再也對不上逐字元座標
給 EmbedFonts 傳 True,會把內嵌字型程式裡的字形以外框形式寫進一個 defs 區塊,頁面上所有出現處共用。原始文字仍以零填充不透明度寫在上層,所以還能選取與搜尋。只要 SVG 會離開產生它的機器——設計交付、封存、CI agent 上的視覺比對——就用 True;檔案留在有這些字型的環境裡、又在意體積時,用預設值
procedure ExportOutlined(Pdf: THotPDF);
var
Svg: AnsiString;
Output: TFileStream;
begin
// 內嵌字型的字形外框,上層保留可選取文字
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;
兩條路都遵循渲染模式。模式 1 只描邊不填充,模式 2 填充並描邊,模式 3 不可見但仍推進筆,模式 4 到 7 把字形加進裁剪路徑。描邊字形還需要一層修正:線寬位於使用者空間,而 text 元素在文字空間裡繪製,所以線寬要除以文字矩陣的縮放。以 2 Tr 0.25 w 加粗的文字因此保持四分之一點的描邊;放著不管用 SVG 預設的一個單位,看起來就會過粗
圖形狀態各自帶進每個元素的內容
SVG 的呈現屬性不遵循 PDF 的範圍規則,所以每條路徑都帶著當下生效的完整描邊狀態寫出。線帽 0、1、2 變成 butt、round、square;線接合 0、1、2 變成 miter、round、bevel;斜接限制、虛線陣列與虛線相位在設定過時寫出。帶負值的虛線陣列,或沒有任何正值項的非空陣列,會被忽略並沿用前一個圖案;空陣列 [] 則還原為實線。同樣的值也可能經由 ExtGState 字典送達,其中的 LW、LC、LJ、ML、ca 與 CA 鍵值同樣會被套用
PDF 裡的零線寬代表裝置畫得出的最細線條。照抄會得到看不見的描邊,寫成 1 又會得到一條隨每次放大而變粗的線。匯出器寫出 stroke-width="1" 並搭配 vector-effect="non-scaling-stroke",讓這條髮線在任何縮放下都維持約一個裝置像素寬。星號運算子 f*、B* 與 b* 會加上 fill-rule="evenodd",普通形式則維持 SVG 預設的非零纏繞
Q 會還原填充與描邊顏色、不透明度、線寬、線帽、線接合、斜接限制、虛線陣列與相位,也還原文字狀態。ISO 32000-1 §9.3.1 把文字狀態併入圖形狀態,所以在 q … Q 內設下的 2 Tr,不可以拿去描邊 Q 之後的文字。裁剪遵循 §8.5.4:W 只是標記路徑,裁剪在繪製運算子之後才生效,所以 re W f 先填充矩形、後套裁剪。每個裁剪變成一個 clipPath 加一層包裹群組,Q 會關閉自配對 q 以來開啟的群組
Form XObject 的行為如同隱含的 q … Q。匯出器把 form 裁剪到它的 /BBox,進入時保存狀態、離開時還原,印章內的虛線框因此不可能洩漏到其後的頁面內容。平鋪圖案映射到使用它的內容串流的預設空間(§8.7.2),也就是頁面或 form,與繪製圖案當下的 CTM 無關。EMF 與 WMF 向量匯入以相反方向執行類似的狀態模型,以 Form XObject 匯入 SVG 則涵蓋從 SVG 回到 PDF 的反向行程
顏色、漸層,以及測試拿來比較的字串
顏色經由每一種 PDF 顏色運算子進到 SVG:g、rg、k 與它們的描邊形式,以及帶頁面或 form /ColorSpace 資源裡具名空間的 cs / scn。Separation、DeviceN、ICCBased、Indexed 與 Lab 顏色,由頁面渲染器所用的同一套色彩空間程式碼解析成 RGB。用 cs 選擇空間時,從 §8.6.8 定義的初始顏色出發:裝置空間是黑色,Separation 與 DeviceN 是 1.0 淡色值,Indexed 是索引 0。SVG 沒有油墨的概念,特別色以它的 RGB 外觀抵達,油墨名稱留在 PDF 裡。需要真正分色的打樣工作,屬於渲染 Separation 與 DeviceN 特別色一文描述的繪製模型
軸向與徑向漸層變成 SVG 漸層。規範把 /Extend 預設為 [false false],意思是 t0 之前與 t1 之後什麼都不畫,而 SVG 的 pad 延展會把端點顏色向外塗。匯出器在不延展的那一端各補一個完全透明的 stop 來搭橋。函數式漸層按每單位約一個取樣點採樣成影像,網格漸層則渲染成內嵌影像
十六進位顏色以大寫輸出。以字串比較的回歸測試必須預期 #FF0000,針對小寫寫的測試會在完全正確的輸出上失敗。座標與寬度四捨五入到小數四位,transform 矩陣保留九位有效數字,兩者都以句點作小數點分隔符,不管跑測試的機器是什麼語系
procedure CheckRedRectangle(Pdf: THotPDF);
var
Svg: AnsiString;
begin
Svg := Pdf.BuildLoadedPageSVG(0);
// Assert 是你自己的測試裡加的檢查,不是匯出的一部分
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;
這樣的字串檢查在輸入 PDF 由你自己的程式產生、預期顏色已知時站得住腳。對外部來的頁面,把兩次建置的 SVG 拿來互相比對,能抓到的問題遠多於任何寫死的屬性斷言。已載入文件工具組的其餘功能,從渲染、編輯到匯出,說明見HotPDF Delphi PDF 元件頁面