Native Linux HTML, Editing, OCR and Archival Workflows

Nativní Linux callback ABI přijímá html.import, text.draw, ocr a pdfa.convert se schemaVersion 1 a stávajícími rozpočty výstupu, výsledku, pracovních bajtů i pixelů

Import HTML

{"schemaVersion":1,"type":"html.import","html":"<h1>Invoice</h1><p>Searchable Unicode</p>","createAcroForms":true}

Import HTML pracuje na prázdném handlu a používá sdílený layout engine HTML5/CSS s nativním kreslicím canvasem, shodou Fontconfig, vloženými Unicode TrueType písmy, shapingu HarfBuzz/FriBidi, resource PNG/JPEG/BMP/GIF, alpha maskami, hyperlinky, stránkováním i ovládacími prvky AcroForm

ABI přijímá inline data resource; síťový či souborový resource callback neinstaluje, zatímco Pascal volající mohou pro explicitní font, image i stylesheet resource dodat stávající callback importéru

Volitelné pageWidth a pageHeight používají body; maxPages a maxLayoutOperations musí být kladné a alokace DOM, CSS, resource i obrázků se dál řídí rozpočtem operace

Editace textu stránek

{"schemaVersion":1,"type":"text.draw","page":0,"text":"Searchable Unicode","left":36,"bottom":36,"right":559,"top":108,"fontFamily":"DejaVu Sans","fontSize":12,"invisible":true}

Vložení zachová původní streamy stránek, tedy i nepřímo referencovaná content pole, a připojí vloženou Unicode form appearance se soukromým resource názvem; neviditelný text použije rendering mód 3 a zůstane prohledávatelný

Souřadnice jsou neotočené PDF body v user space; characterSpacing a wordSpacing používají body a autentizované náhrady AES-256 zachovají šifrování, hesla i oprávnění

Pascal API AppendPageText navíc přijme rotaci appearance o čtvrtotáčky i explicitní přizpůsobení obdélníku

Skutečné OCR

{"schemaVersion":1,"type":"ocr","pages":[0],"language":"eng","dpi":216,"searchLayer":true,"maxMilliseconds":120000}

OCR renderuje skutečné pixely stránek a přímo vyvolá instalovaný spustitelný Tesseract s argumentovým vektorem, čte ohraničená TSV slova, validuje UTF-8, jistoty i souřadnice stránek a mapuje otočenou/oříznutou geometrii stránek zpět na PDF souřadnice

Výsledek obsahuje slova po stránkách s textem, jistotou, left, bottom, right i top; searchLayer false vrátí data rozpoznání, zatímco true navíc emituje PDF s přizpůsobeným neviditelným textem s vloženým písmem

Volitelný tesseractPath vybere explicitní spustitelný soubor; maxWords, minimumConfidence a maxMilliseconds ohraničují rozpoznání a zrušení či timeout ukončí a pohřbí běžící proces

Nativní raster výstup PDF/A-4

{"schemaVersion":1,"type":"pdfa.convert","profile":"PDF/A-4","dpi":144}

Nativní raster konverze autorsky vytvoří čerstvé nešifrované stránky PDF 2.0 s zapečenou rotací stránek, XMP PDF/A-4, identifikátory dokumentu i generovaným vloženým output intentem sRGB; aktuální akceptace zahrnuje nezávislou validaci veraPDF s nulou selhaných pravidel a kontrol

Výstup rasterizuje původní text i vektory, zploští viditelná appearance, vymění zdrojová metadata a zahodí interaktivní pole, akce, přílohy i podpisy; výsledek reportuje rasterized, removedFormFields a removedSignatures

Podepsané vstupy vyžadují explicitní allowSignatureInvalidation true; viditelné anotace potřebují použitelné normal appearance, dřív než se zploští, a nativní zachování textu/vektorů poskytuje prohledávatelný konverzní režim se skutečnou validací

Explicitní archivační oprava písem vloží dostupné substituty přes ohraničenou normalizaci Ghostscript, zachová prohledávatelný text i vektory a validuje PDF/A-4, dřív než publikace

Publikace a runtime

Všechny binární výstupy se připraví, dřív než callbacky; generovaný či editovaný dokument vymění handle, až po úspěchu callbacků výstupu i JSON, a selhání zachovají předchozí kontext

Nativní HTML vyžaduje image čtečky FCL, Fontconfig, instalovaná Unicode TrueType písma, HarfBuzz a FriBidi; OCR navíc vyžaduje Tesseract a natrénovaná jazyková data a generování archivačního profilu Little CMS 2

Callback ABI · Nativní kreslicí canvas · Pascal OCR API · Pascal archivační API

Připojení vybraných stránek a validace PDF/A-4 výstupu zachovávajícího text/vektory