Workflows nativos Linux de HTML, edição, OCR e arquivo

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

Importação de HTML

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

A importação de HTML funciona sobre um handle vazio e usa o motor partilhado de layout HTML5/CSS com um canvas nativo de desenho, correspondência Fontconfig, tipos de letra TrueType Unicode incorporados, shaping HarfBuzz/FriBidi, recursos PNG/JPEG/BMP/GIF, máscaras alfa, hyperlinks, paginação e controlos AcroForm

A ABI aceita recursos de dados inline; não instala um callback de recursos de rede nem de ficheiros, enquanto quem chama a partir de Pascal pode fornecer o callback existente do importador para recursos explícitos de tipos de letra, imagens e folhas de estilo

pageWidth e pageHeight opcionais usam pontos; maxPages e maxLayoutOperations têm de ser positivos, e as 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 as streams originais das páginas, incluindo arrays de conteúdo referenciados indiretamente, e acrescenta uma aparência de formulário Unicode incorporada com um nome de recurso privado; o texto invisível usa o modo de renderização 3 e permanece pesquisável

As coordenadas são pontos de espaço de utilizador PDF sem rotação; characterSpacing e wordSpacing usam pontos, e substituições autenticadas AES-256 mantêm encriptação, palavras-passe e permissões

A API Pascal AppendPageText aceita adicionalmente rotação de aparências de quarto 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 píxeis reais de páginas e invoca diretamente o executável Tesseract instalado com um vetor de argumentos, lê palavras TSV delimitadas, valida UTF-8, confianças e coordenadas de páginas e mapeia a geometria rodada/cortada de páginas de volta para coordenadas PDF

O resultado inclui palavras por página com text, confidence, left, bottom, right e top; searchLayer false devolve dados de reconhecimento, enquanto true também emite um PDF com texto invisível ajustado de tipos de letra incorporados

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

Saída raster nativa de PDF/A-4

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

A conversão raster nativa escreve páginas PDF 2.0 frescas e não encriptadas com rotação de páginas incorporada, XMP de PDF/A-4, identificadores de documentos e um output intent sRGB incorporado gerado; a aceitação atual inclui validação independente de veraPDF com zero regras e verificações falhadas

A saída rasteriza texto e vetores originais, achata aparências visíveis, substitui metadados da fonte e abandona campos interativos, ações, anexos e assinaturas; o resultado reporta rasterized, removedFormFields e removedSignatures

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

A reparação explícita de tipos de letra para arquivo incorpora substitutos disponíveis através de normalização delimitada de Ghostscript, mantém texto e vetores pesquisáveis e valida o PDF/A-4 antes da publicação

Publicação e runtimes

Toda a saída binária é preparada antes dos callbacks; um documento gerado ou editado substitui o handle apenas depois dos callbacks de saída e de JSON terem sucesso, e falhas preservam o contexto anterior

HTML nativo exige leitores de imagens FCL, Fontconfig, tipos de letra TrueType Unicode instalados, HarfBuzz e FriBidi; o OCR exige adicionalmente Tesseract e trained data de linguagens, e a geração de perfis de arquivo exige Little CMS 2

ABI de callbacks · Canvas nativo de desenho · API Pascal de OCR · API Pascal de arquivo

Acrescente páginas selecionadas e valide saída PDF/A-4 que preserve texto/vetor