Comparação semântica de fluxos de conteúdo

HPDFContentStream consegue normalizar conteúdo PDF descodificado em eventos canónicos delimitados e comparar esses eventos sem tratar como alterações escolhas de serialização inofensivas

Declarações

function HPDFNormalizeContentStreamGraphicsState(
  const Bytes: TBytes; out Canonical: TBytes;
  out Statistics: THPDFContentSemanticStatistics;
  NumberTolerance: Double = 1E-9;
  MaxOperations: Integer = 1000000;
  MaxCanonicalBytes: Int64 = 67108864
): boolean;

function HPDFCompareContentStreamsSemantic(
  const Left, Right: TBytes;
  out Info: THPDFContentSemanticCompareInfo;
  NumberTolerance: Double = 1E-9;
  MaxOperations: Integer = 1000000;
  MaxCanonicalBytes: Int64 = 67108864
): boolean;

Normalization

• Os números são quantizados pela tolerância de quem chama e emitidos com uma grafia independente do locale
• As literal strings e as hexadecimal strings comparam-se pelo valor de byte descodificado, enquanto os arrays mantêm o tipo e a ordem dos itens
• Os setters de graphics e de text state atualizam um snapshot efetivo, e os setters redundantes não criam eventos
• q e Q mantêm uma pilha de estado completa, mas não se tornam eventos por si só
• Operadores cm sucessivos são multiplicados pela ordem do PDF, pelo que fatorizações equivalentes da matriz comparam como iguais
• Cada operador retido transporta a matriz efetiva, o estado de linha, de cor, de gráficos externos e de texto que se aplica nesse ponto
• As chaves de inline images são normalizadas pelo tokenizer e os payloads usam identidades SHA-256, para evitar a expansão do stream canónico

Diagnostics and bounds

THPDFContentSemanticStatistics reporta informação sobre tokens, operações, operações de estado, estado redundante, eventos normalizados, profundidade máxima da pilha, bytes canónicos, offset do erro, validade e limites. A comparação reporta também o primeiro evento normalizado que difere

Operandos de dicionário aninhado malformados, aridade inválida de operadores de estado, âmbitos de graphics state sem par ou por fechar, operandos finais, overflow de operações e overflow de bytes canónicos falham em modo fechado e nunca reportam equivalência

Passe os bytes de conteúdo já descodificados. A descodificação dos filtros do stream e a reconciliação de nomes de recursos entre dicionários de recursos diferentes continuam a ser responsabilidade de quem chama