Что такое логика c за функцией SameLine в iText?

Question

Я использую iText 7 для извлечения текста из PDF-файлов, и символы верхнего и нижнего индексов регулярно появляются в строке выше или ниже.

Я отследил это до метода SameLine TextChunkLocation, и я создаю собственную версию этого класса, чтобы я мог настроить логи c (наряду с некоторыми другими вещами, такими как автоматическое усечение верхних и нижних колонтитулов). Но я немного запутался в последней строке этого метода в реализации по умолчанию:

https://github.com/itext/itext7-dotnet/blob/develop/itext/itext.kernel/itext/kernel/pdf/canvas/parser/listener/TextChunkLocationDefaultImp.cs#L144

public virtual bool SameLine(ITextChunkLocation @as) {
  if (OrientationMagnitude() != @as.OrientationMagnitude()) {
    return false;
  }
  float distPerpendicularDiff = DistPerpendicular() - @as.DistPerpendicular();
  if (distPerpendicularDiff == 0) {
    return true;
  }
  LineSegment mySegment = new LineSegment(startLocation, endLocation);
  LineSegment otherSegment = new LineSegment(@as.GetStartLocation(), @as.GetEndLocation());
  return Math.Abs(distPerpendicularDiff) <= 
    DIACRITICAL_MARKS_ALLOWED_VERTICAL_DEVIATION
    && (mySegment.GetLength() == 0 || otherSegment.GetLength() == 0);
}

Я понимаю сравнение с DIACRITICAL_MARKS_ALLOWED_VERTICAL_DEVIATION. Я не понимаю, почему хотя бы один из двух отрезков должен иметь длину 0, чтобы они находились «на одной линии».

Если у текстового блока нет диагонали длина строки, разве это не означает, что текстовый блок пуст, и, таким образом, спорным вопросом является ли он или нет на той же строке?

Как эта логика c когда-либо вернет true для диакритических знаков ... или для любой другой ситуации, когда два фрагмента текста должны быть в одной строке, но слегка смещены?

Answer 1

В зависимости от шрифта и диакритического знака, о котором идет речь, шрифт может не содержать каждую необходимую комбинацию символа и пометки как глифа. Вместо этого может быть просто отдельный глиф с рассматриваемой меткой, и символ с этой меткой рисуется путем рисования глифа символа и глифа метки в одной и той же позиции.

Чтобы их можно было нарисовать на та же самая позиция, глиф знака, хотя на самом деле не имеет нулевой ширины, когда нарисовано, не продвигает позицию рисования глифа.

Кроме того, диакритический знак может быть нарисован на разных высотах в зависимости от символа он объединяется, в частности, если символ объединяется с несколькими отметками.

Следовательно, в контексте вашего вопроса ...

Если текстовый блок не имеет диагонали длина строки, разве это не означает, что текстовый блок пуст, и, таким образом, спорным вопросом будет, находится ли он на одной строке или нет?

Если глиф диакритического знака объединен с символьным глифом на высоте, отличной от обычной, этот глиф-знак сам образует фрагмент текста со значением DistPerpendicular, отличающимся от fr ом значения кусков вокруг него на одной строке.

Поскольку глиф метки не продвигает точку вставки текста, а длина базовой линии чанка, по сути, представляет собой сумму продвижений символов нарисованных глифов, длина чанка, содержащего только диакритическую метку, равна 0.

Поэтому, чтобы распознать такую ​​ситуацию, iText проверяет, не слишком ли велика разница DistPerpendicular, хотя и не 0, и имеет ли один из этих рассматриваемых кусков нулевую длину:

return Math.Abs(distPerpendicularDiff) <= DIACRITICAL_MARKS_ALLOWED_VERTICAL_DEVIATION
    && (mySegment.GetLength() == 0 || otherSegment.GetLength() == 0);