(PDF阅读器的设计与实现.docVIP

PDF?阅读器的设计与实现 摘???要：为有效提取?PDF(portable?document?format)文件中的文字、图片、图形信息，提出了包含文件预处理、显示预处理、功能 扩展、显示?4?个单元的?PDF?阅读器的实现模型。基于?PDF?文件结构特点，提出了忽略次要信息定位关键位置的解析思路。在 此基础上，针对?FlateDecode、DCTDecode?和?CCITTFaxDecode?这?3?种过滤器处理的数据流，给出了详细的解决方案，然后对?PDF 页面内容进行两次解析，设计相应的文字图形等数据结构保存结果，最后对数据利用和功能扩展进行了讨论。通过实验结 果表明，该模型能较好地实现?PDF?信息提取和显示，有利于?PDF?在中文信息处理领域中的进一步开发利用。 关键词：可移植文档格式;???阅读器;???文件解析;???图像提取;???信息处理 中图法分类号：TP391 文献标识码：A 文章编号：1000-7024?(2010)?07-1635-04 Design?and?implementation?of?PDF?reader LI?Qiang, LIU?Shi-jin (College?of?Physical?Science?and?Technology, Central?China?Normal?University, Wuhan?430079,???China) Abstract：To?extract?the?text,???images?and?graphical?information?from?PDF?file?validly,???an?implementation?model?including?four?units (file?pretreatment,???display?pretreatment,???function?extension?and?display)???is?raised.???Based?on?the?structure?of?PDF?file,???a?solution?of ignoring?secondary?message?and?positioning?key?information?is?put?forward.???On?this?basis,???a?solution?to?the?data?stream?processed?by FlateDecode,???DCTDecode?and?CCITTFaxDecode?filters?is?presented.???After?analyzed?PDF?pages?twice,???corresponding?data?structure of?text?and?graphical?are?designed?to?record?the?results.???At?last?the?data?utilization?and?function?extension?are?discussed.???The?model?can implement?the?extraction?and?display?of?information?in?PDF?file?well?by?experimental?comparison,???and?it?will?benefit?the?further?deve- lopment?of?PDF?in?the?field?of?Chinese?information?processing. Key?words：PDF;???reader;???file?parse;???image?extraction;???information?processing  0???引 言 PDF?作为国际标准的电子文档格式[1]，以跨平台、多媒体 集成、可靠安全、精确的色彩还原度和丰富的图象显示等许多 其它文档格式无法比拟的优点，在全球范围得到广泛的认可 和应用。全世界有超过?1800?家供应商提供基于?PDF?的解决 方案，包括生成工具、插件、咨询、培训和支持工具。 （怎么把PDF转换成word） 目前，对?PDF?各方面的研究正处于一个全面发展的时期。 国内很多作者从?PDF?文件的图像、链接信息、文本信息提取和  PDF?文件阅读器的具体实现方案。 1???阅读器体系结构 本阅读器从实用出发，充分考虑了代码的可维护性和功 能可扩展性的需求，用?VC++6.0?实现。主要有?4?个单元模块： 文件预处理模块、显示预处理模块、功能扩展模块、显示模块， 各模块之间调用关系如图?1?所示。其中，文件预处理模块解 析?PDF?文件，得到相关文字、图片、图形等页面内容信息；显 示预