pdf - PDF文本字符串的编码

Question

我正在研究用于PDF（文本提取）的解析器。

当页面需要平面解码（通过zlib压缩）时，我的代码能够解压缩内容流，然后输出（流对象）如下所示：

BT
56.8 721.3 Td 
/F2 12 Tf
[<01>2<0203>2<04>-10<0503>2<04>-2<0506070809>2<0A>1<0B>]TJ
ET

我对字符串数组（TJ的操作数）感兴趣。

似乎此数组中包含多个十六进制编码的字符串，但是相应的十六进制值没有意义。相反，它看起来像一个序列010203 ...有点lz77压缩。


PDF是否具有多个压缩级别？
如何从字符串数组上方获取纯文本？

Answer 1

阿布舍克

这不是一个简单的问题，不幸的是，它表明您尚未阅读PDF规范。您应该这样做。

您可以在此处下载Acrobat SDK：
http://www.adobe.com/devnet/acrobat/sdk/eula.html

其中一部分是PDF规范，这是一个非常繁重的文档，解释了PDF的来龙去脉（包括对问题的回答）。

简而言之，而不是代替阅读文档，您正在寻找的是/ F2 12 Tf命令设置的字体编码中的字符值，该命令设置了随后编写文本时使用的特定字体。