FPdfContentNormalize - PDFium Delphi Component

Unit: FPdfContentNormalize

Syntaxbewahrende Normalisierung einer logischen PDF-Seiteninhalts-Sequenz und robuste Erkennung von Inline-Bildgrenzen

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;

Beschreibung

NormalizePdfContentSequence verbindet die übergebenen Inhaltsstreams in Arrayreihenfolge und tokenisiert das Ergebnis als eine logische Seiteninhalts-Sequenz

Sie bewahrt Literal-Strings, Hex-Strings, Namen, Arrays, Wörterbücher, Inline-Bild-Nutzdaten und unbekannte Operatoren und kanonisiert dabei die Token-Trennung; Kommentare können entfernt und strukturelle Ausgeglichenheit verlangt werden

CollectPdfContentResourceUses zeichnet die von Text-, XObject-, Grafikzustands-, Farbraum-, Muster-, Shading-, Marked-Content-Property- und Inline-Bild-Operatoren verbrauchten Ressourcennamen unter dem zentralen Token-Budget auf

FindInlineImageBlock findet einen vollständigen BI-, ID- und EI-Block, ohne eine EI-Bytefolge innerhalb der Bild-Nutzdaten als Abschluss zu behandeln

Konstanten

Konstante	Beschreibung
`PdfContentNormalizeDefaultInputLimit`	Standardbegrenzung der logischen Eingabe pro Seite von 256 MiB
`PdfContentNormalizeDefaultOutputLimit`	Standardbegrenzung der normalisierten Ausgabe pro Seite von 256 MiB
`PdfContentNormalizeDefaultTokenLimit`	Standardbegrenzung von 10000000 Tokens pro Seite

Funktionen

Funktion	Beschreibung
`TPdfContentNormalizeOptions.Default`	Aktiviert Kommentar-Entfernung, Balance-Validierung, sinnvolle Flate-Komprimierung und das Überspringen unsicherer Seiten; untersagt signierte Neuschreibungen und wendet die drei Standardbegrenzungen an
`NormalizePdfContentSequence`	Gibt normalisierte Bytes und einen detaillierten Bericht zurück oder `False` mit Fehlerstatus und Diagnosetext
`CollectPdfContentResourceUses`	Gibt Ressourcenart und dekodierten PDF-Namen für jeden ressourcenverbrauchenden Inhaltsoperator zurück oder `False` mit Diagnosetext bei fehlerhafter oder über Budget liegender Eingabe
`FindInlineImageBlock`	Gibt Offsets für den nächsten vollständigen Inline-Bildblock an oder nach `StartPos` zurück

Typen

Typ	Beschreibung
`TPdfContentNormalizeStatus`	Ergebnis- oder Fehlerkategorie für Sequenz- und Dokumentnormalisierung
`TPdfContentNormalizeOptions`	Normalisierungsrichtlinie und Byte- und Token-Begrenzungen pro Seite
`TPdfContentNormalizeReport`	Status, Byte- und Seitensummen, Stream- und Token-Kennzahlen, Syntaxbeobachtungen und Diagnosetext
`TPdfContentResourceKind`	Ressourcenwerte `pcrkFont`, `pcrkXObject`, `pcrkExtGState`, `pcrkColorSpace`, `pcrkPattern`, `pcrkShading` und `pcrkProperties`
`TPdfContentResourceUse`	Einzelner dekodierter Ressourcen-`Name` zusammen mit seiner `Kind`
`TPdfContentResourceUses`	Dynamisches Array gesammelter Ressourcennutzungen in Inhaltsreihenfolge

Statuswerte

Wert	Bedeutung
`pcnsNotStarted`	Der Bericht wurde initialisiert, aber die Normalisierung ist nicht abgeschlossen
`pcnsCompleted`	Die Normalisierung wurde erfolgreich abgeschlossen
`pcnsInputLimitExceeded`	Die logische Eingabe überschritt `MaxInputBytesPerPage` oder eine konfigurierte Begrenzung war nicht positiv
`pcnsOutputLimitExceeded`	Die normalisierten Bytes würden `MaxOutputBytesPerPage` überschreiten
`pcnsTokenLimitExceeded`	Die Inhaltssequenz überschritt `MaxTokensPerPage`
`pcnsMalformedToken`	Ein PDF-Inhalts-Token konnte nicht vollständig gelesen werden
`pcnsUnresolvedInlineImage`	Eine vollständige Inline-Bild-Nutzdaten-Grenze konnte nicht gefunden werden
`pcnsUnbalancedState`	Die erforderliche Ausgeglichenheit von Grafik-, Text-, Marked-Content-, Kompatibilitäts-, Array- oder Wörterbuchbereichen schlug fehl
`pcnsUnsupportedFilter`	Die Dokumentnormalisierung traf auf einen Inhaltsstream-Filter, den sie nicht dekodieren kann
`pcnsEncryptedDocument`	Die Dokumentnormalisierung lehnte verschlüsselte Eingabe ab
`pcnsSignedDocument`	Die Dokumentnormalisierung lehnte signierte Eingabe ohne Autorisierung ab
`pcnsDocumentRewriteFailed`	Die umschließende PDF-Objektgraph-Neuschreibung oder Verifikation schlug fehl
`pcnsResourceBudgetExceeded`	Die prozessweite `TPdfParserResourceBudget`-Frist wurde erreicht, bevor die Normalisierung abgeschlossen war

Optionen

Feld	Beschreibung
`RemoveComments`	Lässt PDF-Kommentare weg, während erforderliche Token-Grenzen bewahrt werden
`RequireBalancedState`	Verlangt ausgeglichene `q`/`Q`-, `BT`/`ET`-, Marked-Content-, Kompatibilitäts-, Array- und Wörterbuchbereiche
`CompressOutput`	Erlaubt dem Dokument-Wrapper, einen normalisierten Seitenstrom mit Flate zu komprimieren, wenn die Komprimierung seine Größe verringert
`SkipUnsafePages`	Erlaubt der Dokumentnormalisierung, eine Seite nach einem unsicheren oder nicht unterstützten Ergebnis unverändert zu bewahren, statt die Dokument-Neuschreibung abzubrechen
`AllowSignedDocument`	Erlaubt ausdrücklich eine vollständige Neuschreibung signierter Eingabe, wodurch bestehende Signatur-Bytebereiche ungültig werden
`MaxInputBytesPerPage`	Maximale Gesamtzahl von Bytes über die übergebenen Inhaltsstreams für eine Seite
`MaxOutputBytesPerPage`	Maximale in der normalisierten Inhaltssequenz erlaubte Byteanzahl
`MaxTokensPerPage`	Maximale Anzahl von Tokens, die für eine Seite untersucht werden

Berichtsfelder

Feld	Beschreibung
`Status`	Aktueller `TPdfContentNormalizeStatus`
`SourceByteCount`	Gesamte Quell-Inhaltsbytes
`OutputByteCount`	Gesamte normalisierte oder neu geschriebene Ausgabe-Bytes
`PageCount`	Von der Dokumentnormalisierung inspizierte Seiten
`NormalizedPageCount`	Erfolgreich durch normalisierte Inhalte ersetzte Seiten
`SkippedPageCount`	Unsichere Seiten, die gemäß Skip-Richtlinie unverändert bewahrt wurden
`InputStreamCount`	Zu logischen Seitensequenzen verbundene Quell-Inhaltsstreams
`OutputStreamCount`	Erzeugte normalisierte Inhaltsstreams
`CoalescedArrayCount`	Mehrfachstream-`/Contents`-Arrays, die durch einen einzelnen normalisierten Stream ersetzt wurden
`TokenCount`	Verarbeitete Tokens
`CommentCount`	Angetroffene Kommentare, ob bewahrt oder entfernt
`InlineImageCount`	Bewahrte vollständige Inline-Bildblöcke
`UnknownOperatorCount`	Wortgetreu bewahrte unbekannte Operatoren
`ErrorMessage`	Diagnosetext für den ersten Fehler

Inline-Bild-Offsets

BiPos ist das Byte-Offset des BI-Schlüsselworts
IdPos ist das Byte-Offset des ID-Schlüsselworts
DataStart ist das erste Nutzdaten-Byte nach dem einzelnen erforderlichen Leerzeichen nach ID
EndImageStart ist das Byte-Offset des abschließenden EI-Schlüsselworts und liegt damit ein Byte hinter den Nutzdaten
Die Funktion gibt False zurück, wenn kein vollständiger Block an oder nach StartPos gefunden wird

Siehe auch

FPdfCompress, TPdf.SaveAsNormalizedContent

FPdfContentNormalize Unit