FPdfContentNormalize - PDFium Delphi Component

Enhed: FPdfContentNormalize

Syntaksbevarende normalisering af én logisk PDF-page-content-sekvens og robust detektion af inline-image-grænser

Syntax

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;

Description

NormalizePdfContentSequence sammensætter de leverede indholdsstreams i array-rækkefølge og tokeniserer resultatet som én logisk page-content-sekvens

Den bevarer literal strenge, hex-strenge, navne, arrays, dictionaries, inline-image-payloads og ukendte operatorer, mens tokensepareringen kanoniseres; kommentarer kan fjernes, og strukturel balance kan kræves

CollectPdfContentResourceUses registrerer ressourcenavne, som tekst-, XObject-, graphics-state-, colour-space-, pattern-, shading-, marked-content-property- og inline-image-operatorer forbruger, under det centrale tokenbudget

FindInlineImageBlock finder en komplet BI-, ID- og EI-blok uden at behandle en EI-bytesekvens inde i image-payload-data som terminatoren

Constants

Constant	Description
`PdfContentNormalizeDefaultInputLimit`	Standard logisk inputgrænse pr. side på 256 MiB
`PdfContentNormalizeDefaultOutputLimit`	Standard grænse for normaliseret output pr. side på 256 MiB
`PdfContentNormalizeDefaultTokenLimit`	Standard grænse pr. side på 10000000 tokens

Functions

Function	Description
`TPdfContentNormalizeOptions.Default`	Aktiverer kommentarfjernelse, balancevalidering, fordelagtig Flate-komprimering og spring over usikre sider; forbyder signede omskrivninger og anvender de tre standardgrænser
`NormalizePdfContentSequence`	Returnerer normaliserede bytes og en detaljeret rapport eller `False` med fejlstatus og diagnostisk tekst
`CollectPdfContentResourceUses`	Returnerer ressourcekind og dekodet PDF-navn for hver ressourceforbrugende indholdsoperator eller `False` med diagnostisk tekst for misdannet eller over-budget input
`FindInlineImageBlock`	Returnerer offsets for den næste komplette inline-image-blok på eller efter `StartPos`

Types

Type	Description
`TPdfContentNormalizeStatus`	Udfald eller fejlkategori for sekvens- og dokumentnormalisering
`TPdfContentNormalizeOptions`	Normaliseringspolitik og byte- og token-grænser pr. side
`TPdfContentNormalizeReport`	Status, byte- og sidetotaler, stream- og token-metrikker, syntaksobservationer og diagnostisk tekst
`TPdfContentResourceKind`	Ressourceværdier `pcrkFont`, `pcrkXObject`, `pcrkExtGState`, `pcrkColorSpace`, `pcrkPattern`, `pcrkShading` og `pcrkProperties`
`TPdfContentResourceUse`	Ét dekodet ressourcenavn `Name` sammen med dets `Kind`
`TPdfContentResourceUses`	Dynamisk array af indsamlede ressourceforbrug i indholds-rækkefølge

Status values

Value	Meaning
`pcnsNotStarted`	Rapporten er initialiseret, men normaliseringen er ikke fuldført
`pcnsCompleted`	Normaliseringen fuldført med succes
`pcnsInputLimitExceeded`	Det logiske input oversteg `MaxInputBytesPerPage`, eller en konfigureret grænse var ikke positiv
`pcnsOutputLimitExceeded`	De normaliserede bytes ville overstige `MaxOutputBytesPerPage`
`pcnsTokenLimitExceeded`	Indholdssekvensen oversteg `MaxTokensPerPage`
`pcnsMalformedToken`	Et PDF-indholdstoken kunne ikke læses fuldstændigt
`pcnsUnresolvedInlineImage`	En komplet inline-image-payload-grænse kunne ikke findes
`pcnsUnbalancedState`	Påkrævet balance i graphics-, tekst-, marked-content-, kompatibilitets-, array- eller dictionary-scope fejlede
`pcnsUnsupportedFilter`	Dokumentniveau-normalisering stødte på en content-stream-filter, den ikke kan dekode
`pcnsEncryptedDocument`	Dokumentniveau-normalisering nægtede krypteret input
`pcnsSignedDocument`	Dokumentniveau-normalisering nægtede signed input uden autorisation
`pcnsDocumentRewriteFailed`	Den omsluttende PDF-objektgraf-omskrivning eller verifikation fejlede
`pcnsResourceBudgetExceeded`	Deadline for den procesbrede `TPdfParserResourceBudget` blev nået, før normaliseringen var fuldført

Options

Field	Description
`RemoveComments`	Udelader PDF-kommentarer, mens påkrævede token-grænser bevares
`RequireBalancedState`	Kræver balancerede `q`/`Q`-, `BT`/`ET`-, marked-content-, kompatibilitets-, array- og dictionary-scopes
`CompressOutput`	Tillader, at document-level-wrapperen Flate-komprimerer en normaliseret sidestream, når komprimering reducerer dens størrelse
`SkipUnsafePages`	Tillader, at dokumentniveau-normalisering bevarer en side uændret efter et usikkert eller ikke-understøttet resultat i stedet for at afbryde dokumentomskrivningen
`AllowSignedDocument`	Tillader eksplicit en fuld omskrivning af signed input, hvilket invalidere eksisterende signatur-byte-intervaller
`MaxInputBytesPerPage`	Maksimal samlet mængde bytes på tværs af de leverede indholdsstreams for én side
`MaxOutputBytesPerPage`	Maksimalt tilladte bytes i den normaliserede indholdssekvens
`MaxTokensPerPage`	Maksimalt antal tokens, der inspiceres for én side

Report fields

Field	Description
`Status`	Aktuel `TPdfContentNormalizeStatus`
`SourceByteCount`	Samlede mængde kildeindholdsbytes
`OutputByteCount`	Samlede mængde normaliserede eller omskrevne outputbytes
`PageCount`	Sider inspiceret af dokumentniveau-normalisering
`NormalizedPageCount`	Sider, der med succes blev erstattet med normaliseret indhold
`SkippedPageCount`	Usikre sider bevaret uændret under skip-politikken
`InputStreamCount`	Kildeindholdsstreams, der er sat sammen til logiske pagesekvenser
`OutputStreamCount`	Normaliserede indholdsstreams, der er produceret
`CoalescedArrayCount`	Multi-stream `/Contents`-arrays erstattet af én enkelt normaliseret stream
`TokenCount`	Behandlede tokens
`CommentCount`	Kommentarer, der blev stødt på, uanset om de blev bevaret eller fjernet
`InlineImageCount`	Komplette inline-image-blokke bevaret
`UnknownOperatorCount`	Ukendte operatorer bevaret ordret
`ErrorMessage`	Diagnostisk tekst for den første fejl

Inline-image offsets

BiPos er byte-offsettet for nøgleordet BI
IdPos er byte-offsettet for nøgleordet ID
DataStart er den første payload-byte efter det eneste påkrævede whitespace efter ID
EndImageStart er byte-offsettet for det afsluttende nøgleord EI og dermed én byte forbi payloaden
Funktionen returnerer False, når ingen komplet blok findes på eller efter StartPos

FPdfContentNormalize enhed