從PDF中提取ToUnicode表格

Question

任何人都可以提出一種簡單的方法來從PDF中提取ToUnicode表格嗎？我可以從mupdf中使用pdfextract提取字體，現在我正在尋找一種方法來爲這些字體提取ToUnicode表。

Answer 1

您可以修改pdfextract以提取ToUnicode CMaps（不是表格，CMaps）。

你可以看看savefont的代碼，並添加類似：

obj = fz_dict_gets(dict, "ToUnicode"); 
if (obj) 
{ 
    stream = obj; 
} 

如果有ToUnicode（不需要有），那麼你可以以類似的方式流轉儲到字體的方式流寫入文件。然後（大小buf-> LEN）

obj = fz_dict_gets(dict, "ToUnicode"); 
if (obj) 
{ 
    stream = obj; 
     buf = fz_new_buffer(0); 

     error = pdf_load_stream(&buf, xref, fz_to_num(stream), fz_to_gen(stream)); 
     if (error) 
     die(error); 
      /* Do something with the data */ 
    } 

buf->數據將包含CMAP的，你可以寫入文件，或什麼的。