ipad - 使用 Quartz 2D 在 iPad 上进行 Pdf 全文搜索

Question

我正在尝试使用 Quartz 2D 实现全文搜索，但这是一场噩梦。 我可以使用 PDF 运算符(TJ 和其他...)从 pdf 页面“提取”文本

    CGPDFOperatorTableRef myTable;

myTable = CGPDFOperatorTableCreate();

CGPDFOperatorTableSetCallback (myTable, "BT", &op_BT);
CGPDFOperatorTableSetCallback (myTable, "Td", &op_Td);
CGPDFOperatorTableSetCallback (myTable, "TD", &op_TD);
CGPDFOperatorTableSetCallback (myTable, "Tm", &op_Tm);
CGPDFOperatorTableSetCallback (myTable, "T*", &op_T);
CGPDFOperatorTableSetCallback (myTable, "TJ", &op_TJ);
CGPDFOperatorTableSetCallback (myTable, "Tf", &op_TF);
CGPDFOperatorTableSetCallback (myTable, "ET", &op_ET);

但同时我需要在 PDF 页面上用一些矩形突出显示匹配项，例如在 Safari 中所做的那样。 有什么建议如何实现吗？ 是否有一些解决方案不需要如此庞大的工作量？

Answer 1

这只是冰山一角...

检测到 TJ 中编码的“字节”并不意味着您已经拥有“文本”，甚至根本无法将其转换回来。

在绘制文本的 PDF 中，有一个“事件”字体 (Tf)。字体有一个编码——周围有很多不同的编码，有些不是“可逆的”，因为你可以从中获得一个 unicode。

如果您有一个“可逆”编码，那很好。实现反向查找(尤其是对于多字节编码......)还有很多工作要做，但总有一天你已经完成了。

如果您的编码不是那么智能，您可能还有一个额外的/ToUnicode 映射可以计算一个 unicode。额外的努力，但现在你没事了。

...除了许多现有文档不支持这些到 unicode 的映射...

...毕竟:PDF 不包含那种意义上的“文本”，它绘制字符。所以理论上你必须在虚拟页面中绘制字符，然后才能以任何可读顺序对它们进行排序......

总而言之，它非常有趣。