問題タブ [cgpdfscanner]

PDF が 1 つあり、CGPDFScanner を使用して PDF をスキャンしようとしています。PDF のスキャン中に「ファイル」という単語が検出されると、CGPDFStringGetBytePtr API は「\x02le」を返します。PDF には Type1 フォントがあり、ToUnicodeMapping(CMap) はありません。エンコーディング ディクショナリが PDF に存在しないため、NSUTF8String エンコーディングを使用します。ただし、すべての NSMacOSRomanStringEncoding、NSASCIIStringEncoding を試しましたが、うまくいきませんでした。何が問題になる可能性がありますか?

ありがとう。

5 ページのテキストをpdfで抽出しようとしています。
PDFには、マッピング（CMap）またはエンコーディング（デフォルトのエンコーディングまたは/Differences）さえも持たないフォントYLJAAA + CMSY10があります。
テキストの抽出中に、文字列「tetex package」の後に CGPDFScanner が何度も遭遇する「\x15」文字を返します。
この文字が検出された場合、現在のフォントは上記のフォントであり、pdf 文字列からテキストを抽出するものは何もありません。この \x15 文字は何ですか?

ありがとう。

PDF ファイルを解析していますが、Tf 演算子が欠落しているようです。Acrobat ReaderやPreviewなどの PDF リーダーでは、フォントが変更されていることがわかります。しかし、解析中は Tf 演算子がありません。前のテキスト ブロックの終了を示す ET 演算子と、新しいテキスト ブロックの開始を示す BT 演算子がまだあります。オペレーター Tj & co. を示すテキストもあります。

明確にするために、私は Tf 演算子を持っていますが、1 か所だけにあるはずですが、そうではありません。

PDFリファレンスには次のように記載されています：

フォントまたはサイズの初期値はありません。テキストが表示される前に、Tf を使用して明示的に指定する必要があります。

Tf オペレーターがない場合、それらのリーダーがテキストを正しくレンダリングする方法がわかりません。

誰かが問題の原因を知っていますか?

PDFページからテキストを取得しようとしましたが、成功しませんでした。

私は試します：

'ET'、'BT'、... コールバックが起動されますが、val は常に 'nil' です。ページ上のすべてのテキストを取得したいだけです。

ありがとう...