Как преобразовать код содержимого PDF в тип типа "(<0034>) Tj"?

Question

Содержание в формате PDF сохраняется как несколько способов: «(abc) Tj», «(< 0035> < 0035>) Tj" или "\ u065".

Я хочу знать, есть ли способ конвертировать PDF-код в один тип, независимо от прямого текста "(abc) Tj" или шестнадцатеричный "(< 0035> < 0035>) Tj" или Octal " \ u065" .

Я думаю, что если конвертировать и кодировать PDF в один тип, будет легче анализировать контент.

Можно ли использовать Ghostscript или что-то в этом роде? Спасибо

Answer 1

По существу, нет, нет способа сделать это. Существует два типа строк: регулярные строки ('и') ', и шестнадцатеричные строки' < 'и'> 'с разделителями. Шестнадцатеричные строки не должны быть экранированы, тогда как регулярные текстовые строки должны быть для «специальных» символов, таких как возврат каретки и перевод строки. Октал также разрешен в обычных строках.

Производители PDF могут смешивать и сопоставлять все, что им нравится, но в целом данный производитель PDF, как правило, использует одну технику повсюду.

Поскольку устройство pdfwrite Ghostscript является производителем PDF, оно (я считаю), как правило, производит все его выходные данные одинаково.

Что это такое не будет do 'конвертирует' ваш исходный файл PDF. Он создает совершенно новый PDF-файл, который должен выглядеть визуально идентичным, но внутренности которого не имеют сходства с вашим оригинальным PDF. Кроме того, некоторые метаданные или верность могут быть потеряны.