Native Linux-HTML-, Editier-, OCR- und Archivierungs-Workflows

Die native Linux-Callback-ABI akzeptiert html.import, text.draw, ocr und pdfa.convert mit schemaVersion 1 und den bestehenden Output-, Ergebnis-, Arbeitsbyte- und Pixel-Budgets

HTML-Import

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

HTML-Import arbeitet auf einem leeren Handle und nutzt die gemeinsame HTML5/CSS-Layout-Engine mit nativer Drawing-Canvas, Fontconfig-Matching, eingebetteten Unicode-TrueType-Schriften, HarfBuzz/FriBidi-Shaping, PNG/JPEG/BMP/GIF-Ressourcen, Alpha-Masken, Hyperlinks, Pagination und AcroForm-Controls

Die ABI akzeptiert Inline-Datenressourcen; sie installiert keinen Netzwerk- oder Dateiressourcen-Callback, während Pascal-Aufrufer den bestehenden Importer-Callback für explizite Schrift-, Bild- und Stylesheet-Ressourcen liefern können

Optionale pageWidth und pageHeight nutzen Punkte; maxPages und maxLayoutOperations müssen positiv sein, und DOM-, CSS-, Ressourcen- und Bildallokationen folgen ebenfalls dem Operations-Budget

Seitentext-Bearbeitung

{"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}

Das Einfügen bewahrt originale Seitenstreams, einschließlich indirekt referenzierter Content-Arrays, und hängt eine eingebettete Unicode-Form-Appearance mit privatem Ressourcennamen an; unsichtbarer Text nutzt Rendering-Modus 3 und bleibt durchsuchbar

Koordinaten sind unrotierte PDF-User-Space-Punkte; characterSpacing und wordSpacing nutzen Punkte, und authentifizierte AES-256-Ersetzungen bewahren Verschlüsselung, Passwörter und Berechtigungen

Die Pascal-API AppendPageText akzeptiert zusätzlich Vierteldrehungs-Appearance-Rotation und explizites Rechteck-Fitting

Echtes OCR

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

OCR rendert echte Seitenpixel und ruft das installierte Tesseract-Executable direkt mit einem Argumentvektor auf, liest begrenzte TSV-Wörter, validiert UTF-8, Confidences und Seitenkoordinaten und mappt gedrehte/geschnittene Seitengeometrie zurück auf PDF-Koordinaten

Das Ergebnis enthält Wörter pro Seite mit text, confidence, left, bottom, right und top; searchLayer false liefert Erkennungsdaten, während true zusätzlich ein PDF mit eingepasstem unsichtbarem eingebetteten Schrifttext erzeugt

Optionales tesseractPath wählt ein explizites Executable; maxWords, minimumConfidence und maxMilliseconds begrenzen die Erkennung, und Abbruch oder Timeout beendet und reappt den laufenden Prozess

Nativer PDF/A-4-Raster-Output

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

Die native Rasterkonvertierung verfasst frische unverschlüsselte PDF-2.0-Seiten mit eingebrannter Seitenrotation, PDF/A-4-XMP, Dokumentidentifikatoren und einem erzeugten eingebetteten sRGB-Output-Intent; die aktuelle Abnahme umfasst unabhängige veraPDF-Validierung mit null fehlgeschlagenen Regeln und Prüfungen

Der Output rastert originalen Text und Vektoren, flacht sichtbare Appearances ab, ersetzt Quellmetadaten und verwirft interaktive Felder, Actions, Anhänge und Signaturen; das Ergebnis meldet rasterized, removedFormFields und removedSignatures

Signierte Eingaben erfordern explizit allowSignatureInvalidation true; sichtbare Annotationen brauchen brauchbare Normal-Appearances vor dem Flatten, und die native Text-/Vektor-Bewahrung bietet einen durchsuchbaren Konvertierungsmodus mit echter Validierung

Die explizite Archivierungs-Schriftreparatur bettet verfügbare Ersatz-Schriften über begrenzte Ghostscript-Normalisierung ein, bewahrt durchsuchbaren Text und Vektoren und validiert PDF/A-4 vor der Veröffentlichung

Veröffentlichung und Runtimes

Alle Binary-Outputs werden vor den Callbacks vorbereitet; ein erzeugtes oder bearbeitetes Dokument ersetzt das Handle erst, nachdem Output- und JSON-Callbacks erfolgreich sind, und Fehler bewahren den vorherigen Kontext

Natives HTML erfordert FCL-Image-Reader, Fontconfig, installierte Unicode-TrueType-Schriften, HarfBuzz und FriBidi; OCR erfordert zusätzlich Tesseract und trainierte Sprachdaten, und die Archivierungsprofil-Generierung erfordert Little CMS 2

Callback-ABI · Native Drawing-Canvas · Pascal-OCR-API · Pascal-Archivierungs-API

Ausgewählte Seiten anhängen und text-/vektorbewahrenden PDF/A-4-Output validieren