FPdfContentNormalize - PDFium Delphi Component

Unit: FPdfContentNormalize

Syntaxbevarande normalisering av en logisk sidinnehållssekvens i PDF och robust detektering av inline-bildgränser

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 fogar samman de angivna innehållsströmmarna i arrayordning och tokeniserar resultatet som en logisk sidinnehållssekvens

Den bevarar literala strängar, hexsträngar, namn, arrayer, ordböcker, inline-bildnyttolaster och okända operatorer medan tokensepareringen kanoniseras; kommentarer kan tas bort och strukturell balans kan krävas

CollectPdfContentResourceUses registrerar resursnamn som konsumeras av text-, XObject-, graphics-state-, färgrymd-, mönster-, skuggnings-, marked-content-egenskaps- och inline-bildoperatorer inom den centrala tokenbudgeten

FindInlineImageBlock lokaliserar ett komplett BI-, ID- och EI-block utan att behandla en EI-bytesekvens inuti bildnyttolasten som avslutare

Constants

Constant	Description
`PdfContentNormalizeDefaultInputLimit`	Standardgräns på 256 MiB för logisk indata per sida
`PdfContentNormalizeDefaultOutputLimit`	Standardgräns på 256 MiB för normaliserad utdata per sida
`PdfContentNormalizeDefaultTokenLimit`	Standardgräns på 10000000 tokens per sida

Functions

Function	Description
`TPdfContentNormalizeOptions.Default`	Aktiverar borttagning av kommentarer, balansvalidering, gynnsam Flate-komprimering och hopp över osäkra sidor; tillåter inte omskrivning av signerade dokument och tillämpar de tre standardgränserna
`NormalizePdfContentSequence`	Returnerar normaliserade bytes och en detaljerad rapport, eller `False` med felstatus och diagnostisk text
`CollectPdfContentResourceUses`	Returnerar resursslaget och det avkodade PDF-namnet för varje resurskonsumerande innehållsoperator, eller `False` med diagnostisk text för felformaterad eller över budgetens indata
`FindInlineImageBlock`	Returnerar offset för nästa kompletta inline-bildblock på eller efter `StartPos`

Types

Type	Description
`TPdfContentNormalizeStatus`	Utfall eller felkategori för sekvens- och dokumentnormalisering
`TPdfContentNormalizeOptions`	Normaliseringspolicy och per-sida-gränser för bytes och tokens
`TPdfContentNormalizeReport`	Status, totaler för bytes och sidor, ström- och tokenmått, syntaxobservationer och diagnostisk text
`TPdfContentResourceKind`	Resursvärdena `pcrkFont`, `pcrkXObject`, `pcrkExtGState`, `pcrkColorSpace`, `pcrkPattern`, `pcrkShading` och `pcrkProperties`
`TPdfContentResourceUse`	Ett avkodat resurs-`Name` tillsammans med dess `Kind`
`TPdfContentResourceUses`	Dynamisk array av insamlade resursanvändningar i innehållsordning

Status values

Value	Meaning
`pcnsNotStarted`	Rapporten har initierats men normaliseringen har inte slutförts
`pcnsCompleted`	Normaliseringen slutfördes framgångsrikt
`pcnsInputLimitExceeded`	Den logiska indatan överskred `MaxInputBytesPerPage` eller en konfigurerad gräns var inte positiv
`pcnsOutputLimitExceeded`	De normaliserade bytes skulle överskrida `MaxOutputBytesPerPage`
`pcnsTokenLimitExceeded`	Innehållssekvensen överskred `MaxTokensPerPage`
`pcnsMalformedToken`	En PDF-innehållstoken kunde inte läsas helt
`pcnsUnresolvedInlineImage`	En komplett gräns för en inline-bildnyttolast kunde inte hittas
`pcnsUnbalancedState`	Krävd balans i graphics-, text-, marked-content-, kompatibilitets-, array- eller ordlistescope misslyckades
`pcnsUnsupportedFilter`	Dokumentnormaliseringen stötte på ett innehållsströmfilter som den inte kan avkoda
`pcnsEncryptedDocument`	Dokumentnormaliseringen vägrade krypterad indata
`pcnsSignedDocument`	Dokumentnormaliseringen vägrade signerad indata utan behörighet
`pcnsDocumentRewriteFailed`	Den omslutande PDF-objektgrafsomskrivningen eller verifieringen misslyckades
`pcnsResourceBudgetExceeded`	Deadline för den processövergripande `TPdfParserResourceBudget` nåddes innan normaliseringen hann slutföras

Options

Field	Description
`RemoveComments`	Utelämnar PDF-kommentarer samtidigt som nödvändiga tokenavgränsare behålls
`RequireBalancedState`	Kräver balanserade `q`/`Q`-, `BT`/`ET`-, marked-content-, kompatibilitets-, array- och ordlistescopes
`CompressOutput`	Tillåter att dokumentomslag Flate-komprimerar en normaliserad sidström när komprimeringen minskar dess storlek
`SkipUnsafePages`	Tillåter att dokumentnormaliseringen bevarar en sida oförändrad efter ett osäkert eller stödlöst resultat i stället för att avbryta dokumentomskrivningen
`AllowSignedDocument`	Tillåter uttryckligen fullständig omskrivning av signerad indata, vilket ogiltigförklarar befintliga signaturbyteintervall
`MaxInputBytesPerPage`	Maximalt totalt antal bytes över de angivna innehållsströmmarna för en sida
`MaxOutputBytesPerPage`	Maximalt antal bytes som tillåts i den normaliserade innehållssekvensen
`MaxTokensPerPage`	Maximalt antal tokens som inspekteras för en sida

Report fields

Field	Description
`Status`	Aktuell `TPdfContentNormalizeStatus`
`SourceByteCount`	Totalt antal källinnehållsbytes
`OutputByteCount`	Totalt antal normaliserade eller omskrivna utdatabytes
`PageCount`	Sidor som inspekterats av dokumentnormaliseringen
`NormalizedPageCount`	Sidor som framgångsrikt ersatts med normaliserat innehåll
`SkippedPageCount`	Osäkra sidor som bevarats oförändrade enligt skip-policyen
`InputStreamCount`	Källinnehållsströmmar som fogats samman till logiska sidsekvenser
`OutputStreamCount`	Normaliserade innehållsströmmar som producerats
`CoalescedArrayCount`	Flervalssidor med `/Contents`-arrayer som ersatts av en enda normaliserad ström
`TokenCount`	Tokens som bearbetats
`CommentCount`	Kommentarer som påträffats, oavsett om de behållits eller tagits bort
`InlineImageCount`	Kompletta inline-bildblock som bevarats
`UnknownOperatorCount`	Okända operatorer som bevarats ordagrant
`ErrorMessage`	Diagnostisk text för det första felet

Inline-image offsets

BiPos är byteoffset för nyckelordet BI
IdPos är byteoffset för nyckelordet ID
DataStart är den första nyttolastbyten efter det obligatoriska enkla blanktecknet efter ID
EndImageStart är byteoffset för det avslutande nyckelordet EI och därmed en byte förbi nyttolasten
Funktionen returnerar False när inget komplett block finns på eller efter StartPos

FPdfContentNormalize-enhet