Nativa Linux-arbetsflöden för HTML, redigering, OCR och arkivering

Det nativa Linux-callback-ABI:t accepterar html.import, text.draw, ocr och pdfa.convert med schemaVersion 1 samt de befintliga budgetarna för utmatning, resultat, arbetsbytes och pixlar

HTML-import

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

HTML-import arbetar mot ett tomt handtag och använder den delade HTML5/CSS-layoutmotorn med en nativ ritcanvas, Fontconfig-matchning, inbäddade Unicode TrueType-teckensnitt, HarfBuzz/FriBidi-shaping, resurser av typen PNG/JPEG/BMP/GIF, alfamasker, hyperlänkar, paginering och AcroForm-kontroller

ABI:t accepterar inline-dataresurser; det installerar ingen callback för nätverks- eller filresurser, medan Pascal-anropare kan leverera importercallbacken för explicita teckensnitts-, bild- och stilmallsresurser

Valfria pageWidth och pageHeight anges i punkter; maxPages och maxLayoutOperations måste vara positiva, och allokeringar för DOM, CSS, resurser och bilder följer också operationens budget

Sidtextredigering

{"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}

Infogning bevarar ursprungliga sidströmmar, inklusive indirekt refererade innehållsarrayer, och lägger till en inbäddad Unicode-formappearance med ett privat resursnamn; osynlig text använder renderingsläge 3 och förblir sökbar

Koordinaterna är oroterade punkter i PDF-användarrymd; characterSpacing och wordSpacing anges i punkter, och autentiserade AES-256-ersättningar behåller kryptering, lösenord och behörigheter

Pascal-API:t AppendPageText accepterar dessutom kvartsvridning av appearancen och explicit rektangelanpassning

Faktisk OCR

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

OCR renderar faktiska sidpixlar och anropar den installerade Tesseract-exekverbarbara filen direkt med en argumentvektor, läser begränsade TSV-ord, validerar UTF-8, konfidens och sidkoordinater samt mappar roterad/beskuren sidgeometri tillbaka till PDF-koordinater

Resultatet innehåller ord per sida med text, konfidens samt left, bottom, right och top; searchLayer false returnerar igenkänningsdata, medan true dessutom emitterar en PDF med anpassad osynlig text med inbäddat teckensnitt

Valfri tesseractPath väljer en explicit exekverbar fil; maxWords, minimumConfidence och maxMilliseconds begränsar igenkänningen, och avbrott eller timeout avslutar och skördar den körande processen

Nativ PDF/A-4 rasterutmatning

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

Nativ rasterkonvertering skapar nya okrypterade PDF 2.0-sidor med inbakad sidrotation, PDF/A-4 XMP, dokumentidentifierare och en genererad inbäddad sRGB-output-intent; aktuellt godkännande omfattar oberoende veraPDF-validering med noll misslyckade regler och kontroller

Utmatningen rastrerar ursprunglig text och vektorer, plattar synliga appearances, ersätter källmetadata och slänger interaktiva fält, åtgärder, bilagor och signaturer; resultatet rapporterar rasterized, removedFormFields och removedSignatures

Signerad indata kräver explicit allowSignatureInvalidation true; synliga annoteringar kräver användbara normala appearances före utplattning, och nativt bevarande av text/vektorer ger ett sökbart konverteringsläge med genuin validering

Explicit arkiveringsreparation av teckensnitt bäddar in tillgängliga ersättningar via begränsad Ghostscript-normalisering, behåller sökbar text och vektorer samt validerar PDF/A-4 före publicering

Publicering och runtimes

All binär utmatning förbereds före callbacks; ett genererat eller redigerat dokument ersätter handtaget först efter att utmatnings- och JSON-callbacks lyckats, och fel bevarar den tidigare kontexten

Nativ HTML kräver FCL-bildläsare, Fontconfig, installerade Unicode TrueType-teckensnitt, HarfBuzz och FriBidi; OCR kräver dessutom Tesseract och tränad språkdata, och generering av arkivprofil kräver Little CMS 2

Callback-ABI · Nativ ritcanvas · Pascal-OCR-API · Pascal-arkiverings-API

Lägg till valda sidor och validera PDF/A-4-utmatning som bevarar text och vektorer