objective-c - PDF专搜iOS

Question

我知道在 iOS 上有一个很好的 PDF 搜索源，它是 PDFKitten

但我的情况是，我遇到了一些 PDF 文件，该来源不适用于搜索。我尝试在 Mac 上通过“预览”应用程序打开这些文件并尝试搜索，它有效。

我上传了one file here .

您可以通过“预览”应用程序打开此文件并搜索“ra”一词进行检查。它工作完美。如果您将此文件拖到源 PDFKitten 并进行一些配置以便源打开它，然后尝试搜索，它不起作用。

我检查了源代码，它关心所有显示运算符的文本，包括 Tj、'、''、TJ。我在这些运算符(operator)的回调中放置了一些日志行，但我看到这些回调没有被调用。

你能给我一些建议或想法吗？

Answer 1

如果我正确理解代码，PDFKitten 仅在页面的/Resources 字典的/Font 条目中查找字体。至少这是我对方法的解释 fontCollectionWithPage of Scanner结果由 setFont in pdfScannerCallbacks 查询设置当前字体对象。

此外，Do 运算符(即用于将 XObject 资源的内容注入(inject)页面内容的运算符)没有回调。除非 CGPDFScannerScan 在幕后解释这个运算符，否则根本不会扫描包含的 XObjects 的内容。这符合您的观察，即永远不会调用文本设置运算符回调。

但是，您的文件 mundo1.pdf 在其页面的/Resources 词典中没有任何直接的/Font 条目。相反，每个页面的所有实际内容分别包装到单个/XObject 资源中。这些 XObject 又拥有自己的/Resources 字典，其中包含一个/Font 条目，用于定义用于相应页面的字体。

因此，PDFKitten 对文件中使用的字体一无所知，尤其是它们的编码，因此无法从 PDF 内容中提取文本。也许它甚至没有看到要解释的 PDF 内容。

因此，我建议您将此问题发布到 PDFKitten 问题管理网站上。

顺便说一下，这个 PDF 结构完全符合 PDF 规范。尽管如此，它看起来像是对 iText 库的不充分使用。像这样使用 iText 的软件作者应该检查他的代码并开始使用更适合的 iText 库类。