FPdfContentNormalize - PDFium Delphi Component

Jednotka: FPdfContentNormalize

Normalizace jedné logické sekvence obsahu stránky PDF se zachováním syntaxe a robustní detekce hranic inline obrázků

Syntaxe

const
  PdfContentNormalizeDefaultInputLimit = Int64(256) * 1024 * 1024;
  PdfContentNormalizeDefaultOutputLimit = Int64(256) * 1024 * 1024;
  PdfContentNormalizeDefaultTokenLimit = 10000000;

function NormalizePdfContentSequence(const Streams: array of TBytes;
  const Options: TPdfContentNormalizeOptions; out Output: TBytes;
  out Report: TPdfContentNormalizeReport): Boolean;

function CollectPdfContentResourceUses(const Data: TBytes;
  out Uses: TPdfContentResourceUses;
  out ErrorText: string): Boolean;

function FindInlineImageBlock(const Data: TBytes; StartPos: Integer;
  out BiPos, IdPos, DataStart, EndImageStart: Integer): Boolean;

Popis

NormalizePdfContentSequence spojí dodané obsahové proudy v pořadí pole a tokenizuje výsledek jako jednu logickou sekvenci obsahu stránky

Zachovává literální řetězce, hex řetězce, názvy, pole, slovníky, payloady inline obrázků a neznámé operátory, zatímco kanonizuje oddělování tokenů; komentáře lze odstranit a strukturální vyváženost lze vyžadovat

CollectPdfContentResourceUses zaznamená názvy zdrojů konzumovaných operátory textu, XObject, grafického stavu, barevného prostoru, vzorku, stínování, vlastnosti marked-content a inline obrázku pod centrálním rozpočtem tokenů

FindInlineImageBlock najde kompletní blok BI, ID a EI, aniž by za ukončovač považoval sekvenci bajtů EI uvnitř dat payloadu obrázku

Konstanty

Constant	Description
`PdfContentNormalizeDefaultInputLimit`	Výchozí logický vstupní limit na stránku 256 MiB
`PdfContentNormalizeDefaultOutputLimit`	Výchozí normalizovaný výstupní limit na stránku 256 MiB
`PdfContentNormalizeDefaultTokenLimit`	Výchozí limit na stránku 10000000 tokenů

Funkce

Function	Description
`TPdfContentNormalizeOptions.Default`	Povoluje odstranění komentářů, validaci vyváženosti, přínosnou kompresi Flate a přeskakování nebezpečných stránek; zakazuje podepsané přepisy a aplikuje tři výchozí limity
`NormalizePdfContentSequence`	Vrací normalizované bajty a podrobnou zprávu, nebo `False` se stavem selhání a diagnostickým textem
`CollectPdfContentResourceUses`	Vrací druh zdroje a dekódovaný název PDF pro každý operátor konzumující zdroje, nebo `False` s diagnostickým textem pro poškozený nebo nadlimitní vstup
`FindInlineImageBlock`	Vrací offsety dalšího kompletního bloku inline obrázku na `StartPos` nebo po něm

Typy

Type	Description
`TPdfContentNormalizeStatus`	Výsledek nebo kategorie selhání pro normalizaci sekvence a dokumentu
`TPdfContentNormalizeOptions`	Politika normalizace a limity bajtů a tokenů na stránku
`TPdfContentNormalizeReport`	Stav, součty bajtů a stránek, metriky proudů a tokenů, syntax pozorování a diagnostický text
`TPdfContentResourceKind`	Hodnoty zdrojů `pcrkFont`, `pcrkXObject`, `pcrkExtGState`, `pcrkColorSpace`, `pcrkPattern`, `pcrkShading` a `pcrkProperties`
`TPdfContentResourceUse`	Jeden dekódovaný `Name` zdroje spolu s jeho `Kind`
`TPdfContentResourceUses`	Dynamické pole sebraných použití zdrojů v pořadí obsahu

Stavové hodnoty

Value	Meaning
`pcnsNotStarted`	Zpráva byla inicializována, ale normalizace nedokončila
`pcnsCompleted`	Normalizace úspěšně dokončena
`pcnsInputLimitExceeded`	Logický vstup překročil `MaxInputBytesPerPage` nebo nakonfigurovaný limit nebyl kladný
`pcnsOutputLimitExceeded`	Normalizované bajty by překročily `MaxOutputBytesPerPage`
`pcnsTokenLimitExceeded`	Sekvence obsahu překročila `MaxTokensPerPage`
`pcnsMalformedToken`	Token obsahu PDF nešlo přečíst kompletně
`pcnsUnresolvedInlineImage`	Kompletní hranice payloadu inline obrázku se nenašla
`pcnsUnbalancedState`	Vyžadovaná vyváženost rozsahů grafiky, textu, marked-content, kompatibility, pole nebo slovníku selhala
`pcnsUnsupportedFilter`	Normalizace na úrovni dokumentu narazila na filtr obsahového proudu, který nedokáže dekódovat
`pcnsEncryptedDocument`	Normalizace na úrovni dokumentu odmítla šifrovaný vstup
`pcnsSignedDocument`	Normalizace na úrovni dokumentu odmítla podepsaný vstup bez autorizace
`pcnsDocumentRewriteFailed`	Přepis nebo validace obklopujícího grafu objektů PDF selhala
`pcnsResourceBudgetExceeded`	Termín celoprocesového `TPdfParserResourceBudget` byl dosažen dřív, než normalizace dokončila

Možnosti

Field	Description
`RemoveComments`	Vynechá komentáře PDF při zachování vyžadovaných hranic tokenů
`RequireBalancedState`	Vyžaduje vyvážené rozsahy `q`/`Q`, `BT`/`ET`, marked-content, kompatibility, pole a slovníku
`CompressOutput`	Dovolí obalu na úrovni dokumentu Flate-komprimovat normalizovaný proud stránky, když komprese zmenší jeho velikost
`SkipUnsafePages`	Dovolí normalizaci na úrovni dokumentu zachovat stránku nezměněnou po nebezpečném nebo nepodporovaném výsledku místo přerušení přepisu dokumentu
`AllowSignedDocument`	Explicitně povolí kompletní přepis podepsaného vstupu, což zneplatní stávající bajtové rozsahy podpisů
`MaxInputBytesPerPage`	Maximální celkový počet bajtů napříč dodanými obsahovými proudy pro jednu stránku
`MaxOutputBytesPerPage`	Maximální povolený počet bajtů v normalizované sekvenci obsahu
`MaxTokensPerPage`	Maximální počet tokenů prozkoumaných pro jednu stránku

Pole zprávy

Field	Description
`Status`	Aktuální `TPdfContentNormalizeStatus`
`SourceByteCount`	Celkový počet bajtů zdrojového obsahu
`OutputByteCount`	Celkový počet normalizovaných nebo přepsaných výstupních bajtů
`PageCount`	Stránky prozkoumané normalizací na úrovni dokumentu
`NormalizedPageCount`	Stránky úspěšně nahrazené normalizovaným obsahem
`SkippedPageCount`	Nebezpečné stránky zachované nezměněné podle politiky přeskočení
`InputStreamCount`	Zdrojové obsahové proudy spojené do logických sekvencí stránek
`OutputStreamCount`	Vytvořené normalizované obsahové proudy
`CoalescedArrayCount`	Pole `/Contents` s více proudy nahrazená jediným normalizovaným proudem
`TokenCount`	Zpracované tokeny
`CommentCount`	Zaznamenané komentáře, ať zachované, nebo odstraněné
`InlineImageCount`	Kompletní bloky inline obrázků zachované
`UnknownOperatorCount`	Nerozpoznané operátory zachované doslova
`ErrorMessage`	Diagnostický text prvního selhání

Offsety inline obrázků

BiPos je bajtový offset klíčového slova BI
IdPos je bajtový offset klíčového slova ID
DataStart je první bajt payloadu po jediné vyžadované mezeře následující po ID
EndImageStart je bajtový offset ukončujícího klíčového slova EI a tedy jeden bajt za payloadem
Funkce vrací False, když se na StartPos nebo po něm nenajde žádný kompletní blok

Viz také

FPdfCompress, TPdf.SaveAsNormalizedContent

FPdfContentNormalize jednotka