Чтение информации о цвете шрифта из PDF

Question

Я работаю над программным обеспечением, которое анализирует PDF-файлы и генерирует HTML на их основе. Есть ряд вещей, которые уже делают это, поэтому я знаю, что это возможно, я должен написать свой собственный по деловым причинам.

Мне удалось вывести всю текстовую информацию, позиции, шрифты из PDF, но я изо всех сил пытаюсь зачитать цвет текста. В настоящее время я использую PDFMiner для анализа PDF, но начинаю думать, что мне нужно будет написать свой собственный PDFReader, несмотря на это, я не могу понять, где в документе даже хранится информация о цвете для текста! Я даже прочитал спецификацию PDF, но не могу найти нужную мне информацию.

Я почесал гугл, без радости.

Заранее спасибо!

Answer 1

Цвет текста и другой заполненной графики устанавливается с помощью одного из операторов g, rg или k в объекте потока содержимого в файле PDF, как описано в разделе 4.5.7 Цвет Операторы в справочном руководстве PDF.

Пример G.3 Пример простой графики в справочном руководстве показывает, что эти операторы используются для обводки и заливки некоторых фигур (но не текста).

http://www.adobe.com/devnet/pdf/pdf_reference.html

При самостоятельном разборе файла PDF вы начинаете с чтения трейлера в конце файла, который содержит смещение файла таблица перекрестных ссылок . Эта таблица содержит смещение файла каждый объект в файле PDF. Объекты в древовидной структуре со ссылками к другим объектам. Один из объектов будет поток контента. Это описано в разделах 3.4 Структура файла и 3.6 Структура документа в справочном руководстве в формате PDF.

Можно проанализировать файл PDF самостоятельно, но это довольно много работы. Содержимое поток может быть сжат, содержать ссылки на другие объекты, содержать комментарии и т. д., и вы должны рассмотреть все эти случаи.

Программное обеспечение PDFMiner уже читает поток контента. Возможно это было бы проще расширить PDFMiner, чтобы сообщить цвет текста тоже?