Natywne workflow HTML, edycji, OCR i archiwizacji w Linuksie

Natywne ABI callbacków Linux przyjmuje html.import, text.draw, ocr i pdfa.convert z schemaVersion 1 i istniejącymi budżetami wyjścia, wyniku, bajtów roboczych i pikseli

Import HTML

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

Import HTML działa na pustym uchwycie i używa współdzielonego silnika layoutu HTML5/CSS z natywnym canvas rysowania, dopasowaniem Fontconfig, osadzonymi fontami TrueType Unicode, shapowaniem HarfBuzz/FriBidi, zasobami PNG/JPEG/BMP/GIF, maskami alfy, hiperłącznikami, paginacją i kontrolkami AcroForm

ABI przyjmuje inline zasoby danych; nie instaluje callbacka zasobów sieciowych ani plikowych, podczas gdy wywołujący Pascal mogą dostarczyć istniejący callback importera dla jawnych zasobów fontów, obrazów i arkuszy stylów

Opcjonalne pageWidth i pageHeight używają punktów; maxPages i maxLayoutOperations muszą być dodatnie, a alokacje DOM, CSS, zasobów i obrazów również podążają za budżetem operacji

Edycja tekstu stron

{"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}

Wstawianie zachowuje oryginalne strumienie stron, łącznie z pośrednio referencjonowanymi tablicami zawartości, i dokleja osadzony wygląd formularza Unicode z prywatną nazwą zasobu; tekst niewidzialny używa trybu renderowania 3 i pozostaje przeszukiwalny

Współrzędne to punkty przestrzeni użytkownika nieobróconej strony PDF; characterSpacing i wordSpacing używają punktów, a uwierzytelnione podmiany AES-256 zachowują szyfrowanie, hasła i uprawnienia

Natywne API Pascal AppendPageText przyjmuje dodatkowo rotację wyglądu o ćwierć obrotu i jawne dopasowanie prostokąta

Rzeczywisty OCR

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

OCR renderuje rzeczywiste piksele stron i wywołuje bezpośrednio zainstalowany plik wykonywalny Tesseract wektorem argumentów, czyta ograniczone słowa TSV, waliduje UTF-8, pewności i współrzędne stron i mapuje obróconą/przyciętą geometrię stron z powrotem na współrzędne PDF

Wynik obejmuje słowa per strona z tekstem, pewnością, left, bottom, right i top; searchLayer false zwraca dane rozpoznawania, a true dodatkowo emituje PDF z dopasowanym niewidzialnym tekstem osadzonego fontu

Opcjonalny tesseractPath wybiera jawny plik wykonywalny; maxWords, minimumConfidence i maxMilliseconds ograniczają rozpoznawanie, a anulowanie albo timeout przerywa i zbiera działający proces

Natywne wyjście rastrowe PDF/A-4

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

Natywna konwersja rastrowa autoruje świeże niezaszyfrowane strony PDF 2.0 z wypaloną rotacją stron, XMP PDF/A-4, identyfikatorami dokumentu i wygenerowanym osadzonym output intent sRGB; bieżąca akceptacja obejmuje niezależną walidację veraPDF z zerem niezdanych reguł i kontroli

Wyjście rasteryzuje oryginalny tekst i wektory, spłaszcza widoczne wyglądy, podmienia metadane źródła i odrzuca pola interaktywne, akcje, załączniki i podpisy; wynik raportuje rasterized, removedFormFields i removedSignatures

Podpisane wejścia wymagają jawnego allowSignatureInvalidation true; widoczne adnotacje potrzebują użytecznych wyglądów normal przed spłaszczaniem, a natywne zachowanie tekstu/wektorów dostarcza przeszukiwalny tryb konwersji z rzeczywistą walidacją

Jawna naprawa fontów archiwalnych osadza dostępne podstawienia przez ograniczoną normalizację Ghostscript, zachowuje przeszukiwalny tekst i wektory i waliduje PDF/A-4 przed publikacją

Publikacja i runtime

Wszystkie binarne wyjścia są przygotowywane przed callbackami; wygenerowany albo edytowany dokument podmienia uchwyt dopiero po powodzeniu callbacków wyjścia i JSON, a niepowodzenia zachowują poprzedni kontekst

Natywny HTML wymaga czytników obrazów FCL, Fontconfig, zainstalowanych fontów TrueType Unicode, HarfBuzz i FriBidi; OCR wymaga dodatkowo Tesseract i danych językowych uczących, a generowanie profilu archiwalnego wymaga Little CMS 2

ABI callbacków · Natywny canvas rysowania · API OCR Pascal · API archiwalne Pascal

Doklej wybrane strony i waliduj wyjście PDF/A-4 zachowujące tekst/wektory