Workflow nativi su Linux: HTML, editing, OCR e archiviazione

L'ABI callback nativa su Linux accetta html.import, text.draw, ocr e pdfa.convert con schemaVersion 1 e i budget esistenti su output, result, byte di lavoro e pixel

Import HTML

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

L'import HTML opera su un handle vuoto e usa il layout engine condiviso HTML5/CSS con una canvas di disegno nativa, matching Fontconfig, font TrueType Unicode incorporati, shaping HarfBuzz/FriBidi, risorse PNG/JPEG/BMP/GIF, maschere alpha, hyperlink, paginazione e controlli AcroForm

L'ABI accetta risorse data inline; non installa una callback di risorse di rete o file, mentre i chiamanti Pascal possono fornire la callback importer esistente per risorse esplicite di font, immagini e stylesheet

pageWidth e pageHeight opzionali usano punti; maxPages e maxLayoutOperations devono essere positivi, e le allocazioni DOM, CSS, risorse e immagini seguono anch'esse il budget dell'operazione

Editing del testo di pagina

{"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}

L'inserimento preserva gli stream di pagina originali, inclusi array di contenuto referenziati indirettamente, e accoda un aspetto form Unicode incorporato con un nome risorsa privato; il testo invisibile usa la rendering mode 3 e resta ricercabile

Le coordinate sono punti user-space PDF non ruotati; characterSpacing e wordSpacing usano punti, e le sostituzioni AES-256 autenticate conservano crittografia, password e permessi

L'API Pascal AppendPageText accetta inoltre rotazione dell'aspetto di un quarto di giro e fitting esplicito del rettangolo

OCR reale

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

L'OCR renderizza pixel reali di pagina e invoca direttamente l'eseguibile Tesseract installato con un vettore di argomenti, legge parole TSV delimitate, valida UTF-8, confidenze e coordinate di pagina, e riporta la geometria di pagina ruotata/ritagliata alle coordinate PDF

Il risultato include parole per pagina con text, confidence, left, bottom, right e top; searchLayer false restituisce i dati di riconoscimento, mentre true emette anche un PDF con testo invisibile adattato con font incorporato

tesseractPath opzionale seleziona un eseguibile esplicito; maxWords, minimumConfidence e maxMilliseconds delimitano il riconoscimento, e cancellazione o timeout terminano e raccolgono il processo in esecuzione

Output raster PDF/A-4 nativo

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

La conversione raster nativa scrive pagine PDF 2.0 fresche non crittografate con rotazione di pagina applicata, XMP PDF/A-4, identificatori del documento e un output intent sRGB incorporato generato; il collaudo attuale include validazione veraPDF indipendente con zero regole e controlli falliti

L'output rasterizza testo e vettori originali, appiattisce gli aspetti visibili, sostituisce i metadati della sorgente ed elimina campi interattivi, azioni, allegati e firme; il risultato riporta rasterized, removedFormFields e removedSignatures

Gli input firmati richiedono allowSignatureInvalidation true esplicito; le annotazioni visibili richiedono aspetti normali utilizzabili prima dell'appiattimento, e la preservazione nativa testo/vettoriale fornisce una modalità di conversione ricercabile con validazione autentica

La riparazione font archivistica esplicita incorpora i sostituti disponibili attraverso normalizzazione Ghostscript delimitata, conserva testo ricercabile e vettori, e valida il PDF/A-4 prima della pubblicazione

Pubblicazione e runtime

Tutto l'output binario viene preparato prima delle callback; un documento generato o modificato sostituisce l'handle solo dopo il successo delle callback output e JSON, e i fallimenti preservano il contesto precedente

L'HTML nativo richiede lettori immagini FCL, Fontconfig, font TrueType Unicode installati, HarfBuzz e FriBidi; l'OCR richiede inoltre Tesseract e dati linguistici addestrati, e la generazione dei profili archivistici richiede Little CMS 2

ABI callback · Canvas di disegno nativa · API OCR Pascal · API archivistica Pascal

Accodare pagine selezionate e validare output PDF/A-4 con preservazione testo/vettoriale