Workflows nativos de HTML, edição, OCR e arquivamento no Linux

A ABI nativa de callbacks do Linux aceita html.import, text.draw, ocr e pdfa.convert com schemaVersion 1 e os orçamentos existentes de saída, resultado, bytes de trabalho e pixels

Import HTML

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

O import HTML funciona num handle vazio e usa o engine compartilhado de layout HTML5/CSS com uma canvas nativa de desenho, matching Fontconfig, fontes TrueType Unicode embutidas, shaping HarfBuzz/FriBidi, recursos PNG/JPEG/BMP/GIF, máscaras alfa, hyperlinks, paginação e controles AcroForm

A ABI aceita recursos de dados inline; ela não instala um callback de recursos de rede ou arquivos, enquanto chamadores Pascal podem fornecer o callback existente do importer para recursos explícitos de fontes, imagens e stylesheets

pageWidth e pageHeight opcionais usam pontos; maxPages e maxLayoutOperations precisam ser positivos, e alocações de DOM, CSS, recursos e imagens também seguem o orçamento da operação

Edição de texto de páginas

{"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}

A inserção preserva os streams originais das páginas, incluindo arrays de conteúdo referenciados indiretamente, e anexa uma aparência de formulário Unicode embutida com um nome de recurso privado; texto invisível usa o rendering mode 3 e permanece pesquisável

Coordenadas são pontos não rotacionados do user space do PDF; characterSpacing e wordSpacing usam pontos, e substituições AES-256 autenticadas retêm criptografia, senhas e permissões

A API Pascal AppendPageText aceita adicionalmente rotação de aparências em quartos de volta e ajuste explícito a retângulos

OCR real

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

O OCR renderiza pixels reais das páginas e invoca o executável Tesseract instalado diretamente com um vetor de arguments, lê palavras TSV delimitadas, valida UTF-8, confidências e coordenadas de páginas, e mapeia a geometria de páginas rotacionadas/recortadas de volta para coordenadas PDF

O resultado inclui palavras por página com text, confidence, left, bottom, right e top; searchLayer false retorna dados de reconhecimento, enquanto true também emite um PDF com texto invisível embutido ajustado à fonte

tesseractPath opcional seleciona um executável explícito; maxWords, minimumConfidence e maxMilliseconds delimitam o reconhecimento, e cancelamento ou timeout termina e reap o processo em execução

Saída raster nativa PDF/A-4

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

A conversão raster nativa autora páginas PDF 2.0 frescas não criptografadas com rotação de páginas incorporada, XMP PDF/A-4, identificadores de documento e um output intent sRGB embutido gerado; a aceitação atual inclui validação independente do veraPDF com zero regras e checagens falhadas

A saída rasteriza o texto e vetores originais, achata aparências visíveis, substitui metadados da origem e descarta campos interativos, actions, attachments e assinaturas; o resultado reporta rasterized, removedFormFields e removedSignatures

Entradas assinadas exigem allowSignatureInvalidation true explicitamente; anotações visíveis precisam de aparências normais utilizáveis antes do achatamento, e a preservação nativa de texto/vetores fornece um modo de conversão pesquisável com validação genuína

O reparo explícito de fontes de arquivamento embute substitutos disponíveis através de normalização Ghostscript delimitada, retém texto e vetores pesquisáveis, e valida PDF/A-4 antes da publicação

Publicação e runtimes

Toda saída binária é preparada antes dos callbacks; um documento gerado ou editado substitui o handle somente depois que os callbacks de saída e JSON tiverem sucesso, e falhas preservam o contexto anterior

HTML nativo exige readers de imagens FCL, Fontconfig, fontes TrueType Unicode instaladas, HarfBuzz e FriBidi; OCR exige adicionalmente Tesseract e dados de linguagens treinadas, e a geração de perfis de arquivamento exige Little CMS 2

ABI de callbacks · Canvas nativa de desenho · API Pascal de OCR · API Pascal de arquivamento

Anexar páginas selecionadas e validar saída PDF/A-4 preservando texto/vetores