mirror of
https://github.com/Frooodle/Stirling-PDF.git
synced 2025-11-16 01:21:16 +01:00
Add PDF JSON conversion endpoints
This commit is contained in:
Anthony Stirling
parent
c9eee00d66
commit
ece4641432
@ -0,0 +1,73 @@
|
|||||||
|
package stirling.software.SPDF.controller.api.converters;
|
||||||
|
|
||||||
|
import org.springframework.http.MediaType;
|
||||||
|
import org.springframework.http.ResponseEntity;
|
||||||
|
import org.springframework.web.bind.annotation.ModelAttribute;
|
||||||
|
import org.springframework.web.multipart.MultipartFile;
|
||||||
|
|
||||||
|
import io.github.pixee.security.Filenames;
|
||||||
|
import io.swagger.v3.oas.annotations.Operation;
|
||||||
|
|
||||||
|
import lombok.RequiredArgsConstructor;
|
||||||
|
|
||||||
|
import stirling.software.SPDF.config.swagger.StandardPdfResponse;
|
||||||
|
import stirling.software.SPDF.service.PdfJsonConversionService;
|
||||||
|
import stirling.software.common.annotations.AutoJobPostMapping;
|
||||||
|
import stirling.software.common.annotations.api.ConvertApi;
|
||||||
|
import stirling.software.common.model.api.GeneralFile;
|
||||||
|
import stirling.software.common.model.api.PDFFile;
|
||||||
|
import stirling.software.common.util.ExceptionUtils;
|
||||||
|
import stirling.software.common.util.WebResponseUtils;
|
||||||
|
|
||||||
|
@ConvertApi
|
||||||
|
@RequiredArgsConstructor
|
||||||
|
public class ConvertPdfJsonController {
|
||||||
|
|
||||||
|
private final PdfJsonConversionService pdfJsonConversionService;
|
||||||
|
|
||||||
|
@AutoJobPostMapping(consumes = "multipart/form-data", value = "/pdf/json")
|
||||||
|
@Operation(
|
||||||
|
summary = "Convert PDF to JSON",
|
||||||
|
description =
|
||||||
|
"Extracts PDF text, fonts, and metadata into an editable JSON structure that can be"
|
||||||
|
+ " transformed back into a PDF. Input:PDF Output:JSON Type:SISO")
|
||||||
|
public ResponseEntity<byte[]> convertPdfToJson(@ModelAttribute PDFFile request) throws Exception {
|
||||||
|
MultipartFile inputFile = request.getFileInput();
|
||||||
|
if (inputFile == null) {
|
||||||
|
throw ExceptionUtils.createNullArgumentException("fileInput");
|
||||||
|
}
|
||||||
|
|
||||||
|
byte[] jsonBytes = pdfJsonConversionService.convertPdfToJson(inputFile);
|
||||||
|
String originalName = inputFile.getOriginalFilename();
|
||||||
|
String baseName =
|
||||||
|
(originalName != null && !originalName.isBlank())
|
||||||
|
? Filenames.toSimpleFileName(originalName).replaceFirst("[.][^.]+$", "")
|
||||||
|
: "document";
|
||||||
|
String docName = baseName + ".json";
|
||||||
|
return WebResponseUtils.bytesToWebResponse(
|
||||||
|
jsonBytes, docName, MediaType.APPLICATION_JSON);
|
||||||
|
}
|
||||||
|
|
||||||
|
@AutoJobPostMapping(consumes = "multipart/form-data", value = "/json/pdf")
|
||||||
|
@StandardPdfResponse
|
||||||
|
@Operation(
|
||||||
|
summary = "Convert JSON to PDF",
|
||||||
|
description =
|
||||||
|
"Rebuilds a PDF from the editable JSON structure generated by the PDF to JSON"
|
||||||
|
+ " endpoint. Input:JSON Output:PDF Type:SISO")
|
||||||
|
public ResponseEntity<byte[]> convertJsonToPdf(@ModelAttribute GeneralFile request) throws Exception {
|
||||||
|
MultipartFile jsonFile = request.getFileInput();
|
||||||
|
if (jsonFile == null) {
|
||||||
|
throw ExceptionUtils.createNullArgumentException("fileInput");
|
||||||
|
}
|
||||||
|
|
||||||
|
byte[] pdfBytes = pdfJsonConversionService.convertJsonToPdf(jsonFile);
|
||||||
|
String originalName = jsonFile.getOriginalFilename();
|
||||||
|
String baseName =
|
||||||
|
(originalName != null && !originalName.isBlank())
|
||||||
|
? Filenames.toSimpleFileName(originalName).replaceFirst("[.][^.]+$", "")
|
||||||
|
: "document";
|
||||||
|
String docName = baseName.endsWith(".pdf") ? baseName : baseName + ".pdf";
|
||||||
|
return WebResponseUtils.bytesToWebResponse(pdfBytes, docName);
|
||||||
|
}
|
||||||
|
}
|
||||||
@ -0,0 +1,25 @@
|
|||||||
|
package stirling.software.SPDF.model.json;
|
||||||
|
|
||||||
|
import java.util.ArrayList;
|
||||||
|
import java.util.List;
|
||||||
|
|
||||||
|
import com.fasterxml.jackson.annotation.JsonInclude;
|
||||||
|
|
||||||
|
import lombok.AllArgsConstructor;
|
||||||
|
import lombok.Builder;
|
||||||
|
import lombok.Data;
|
||||||
|
import lombok.NoArgsConstructor;
|
||||||
|
|
||||||
|
@Data
|
||||||
|
@Builder
|
||||||
|
@NoArgsConstructor
|
||||||
|
@AllArgsConstructor
|
||||||
|
@JsonInclude(JsonInclude.Include.NON_NULL)
|
||||||
|
public class PdfJsonDocument {
|
||||||
|
|
||||||
|
private PdfJsonMetadata metadata;
|
||||||
|
|
||||||
|
@Builder.Default private List<PdfJsonFont> fonts = new ArrayList<>();
|
||||||
|
|
||||||
|
@Builder.Default private List<PdfJsonPage> pages = new ArrayList<>();
|
||||||
|
}
|
||||||
@ -0,0 +1,25 @@
|
|||||||
|
package stirling.software.SPDF.model.json;
|
||||||
|
|
||||||
|
import com.fasterxml.jackson.annotation.JsonInclude;
|
||||||
|
|
||||||
|
import lombok.AllArgsConstructor;
|
||||||
|
import lombok.Builder;
|
||||||
|
import lombok.Data;
|
||||||
|
import lombok.NoArgsConstructor;
|
||||||
|
|
||||||
|
@Data
|
||||||
|
@Builder
|
||||||
|
@NoArgsConstructor
|
||||||
|
@AllArgsConstructor
|
||||||
|
@JsonInclude(JsonInclude.Include.NON_NULL)
|
||||||
|
public class PdfJsonFont {
|
||||||
|
|
||||||
|
private String id;
|
||||||
|
private String name;
|
||||||
|
private String subtype;
|
||||||
|
private String encoding;
|
||||||
|
private Boolean embedded;
|
||||||
|
private String standard14Name;
|
||||||
|
private Integer fontDescriptorFlags;
|
||||||
|
private String base64Data;
|
||||||
|
}
|
||||||
@ -0,0 +1,27 @@
|
|||||||
|
package stirling.software.SPDF.model.json;
|
||||||
|
|
||||||
|
import com.fasterxml.jackson.annotation.JsonInclude;
|
||||||
|
|
||||||
|
import lombok.AllArgsConstructor;
|
||||||
|
import lombok.Builder;
|
||||||
|
import lombok.Data;
|
||||||
|
import lombok.NoArgsConstructor;
|
||||||
|
|
||||||
|
@Data
|
||||||
|
@Builder
|
||||||
|
@NoArgsConstructor
|
||||||
|
@AllArgsConstructor
|
||||||
|
@JsonInclude(JsonInclude.Include.NON_NULL)
|
||||||
|
public class PdfJsonMetadata {
|
||||||
|
|
||||||
|
private String title;
|
||||||
|
private String author;
|
||||||
|
private String subject;
|
||||||
|
private String keywords;
|
||||||
|
private String creator;
|
||||||
|
private String producer;
|
||||||
|
private String creationDate;
|
||||||
|
private String modificationDate;
|
||||||
|
private String trapped;
|
||||||
|
private Integer numberOfPages;
|
||||||
|
}
|
||||||
@ -0,0 +1,26 @@
|
|||||||
|
package stirling.software.SPDF.model.json;
|
||||||
|
|
||||||
|
import java.util.ArrayList;
|
||||||
|
import java.util.List;
|
||||||
|
|
||||||
|
import com.fasterxml.jackson.annotation.JsonInclude;
|
||||||
|
|
||||||
|
import lombok.AllArgsConstructor;
|
||||||
|
import lombok.Builder;
|
||||||
|
import lombok.Data;
|
||||||
|
import lombok.NoArgsConstructor;
|
||||||
|
|
||||||
|
@Data
|
||||||
|
@Builder
|
||||||
|
@NoArgsConstructor
|
||||||
|
@AllArgsConstructor
|
||||||
|
@JsonInclude(JsonInclude.Include.NON_NULL)
|
||||||
|
public class PdfJsonPage {
|
||||||
|
|
||||||
|
private Integer pageNumber;
|
||||||
|
private Float width;
|
||||||
|
private Float height;
|
||||||
|
private Integer rotation;
|
||||||
|
|
||||||
|
@Builder.Default private List<PdfJsonTextElement> textElements = new ArrayList<>();
|
||||||
|
}
|
||||||
@ -0,0 +1,29 @@
|
|||||||
|
package stirling.software.SPDF.model.json;
|
||||||
|
|
||||||
|
import java.util.ArrayList;
|
||||||
|
import java.util.List;
|
||||||
|
|
||||||
|
import com.fasterxml.jackson.annotation.JsonInclude;
|
||||||
|
|
||||||
|
import lombok.AllArgsConstructor;
|
||||||
|
import lombok.Builder;
|
||||||
|
import lombok.Data;
|
||||||
|
import lombok.NoArgsConstructor;
|
||||||
|
|
||||||
|
@Data
|
||||||
|
@Builder
|
||||||
|
@NoArgsConstructor
|
||||||
|
@AllArgsConstructor
|
||||||
|
@JsonInclude(JsonInclude.Include.NON_NULL)
|
||||||
|
public class PdfJsonTextElement {
|
||||||
|
|
||||||
|
private String text;
|
||||||
|
private String fontId;
|
||||||
|
private Float fontSize;
|
||||||
|
private Float x;
|
||||||
|
private Float y;
|
||||||
|
private Float width;
|
||||||
|
private Float height;
|
||||||
|
@Builder.Default private List<Float> textMatrix = new ArrayList<>();
|
||||||
|
private Integer renderingMode;
|
||||||
|
}
|
||||||
@ -0,0 +1,452 @@
|
|||||||
|
package stirling.software.SPDF.service;
|
||||||
|
|
||||||
|
import java.io.ByteArrayInputStream;
|
||||||
|
import java.io.ByteArrayOutputStream;
|
||||||
|
import java.io.IOException;
|
||||||
|
import java.io.InputStream;
|
||||||
|
import java.time.Instant;
|
||||||
|
import java.time.format.DateTimeParseException;
|
||||||
|
import java.util.ArrayList;
|
||||||
|
import java.util.Base64;
|
||||||
|
import java.util.Calendar;
|
||||||
|
import java.util.HashMap;
|
||||||
|
import java.util.LinkedHashMap;
|
||||||
|
import java.util.List;
|
||||||
|
import java.util.Locale;
|
||||||
|
import java.util.Map;
|
||||||
|
import java.util.Objects;
|
||||||
|
import java.util.Optional;
|
||||||
|
import java.util.TimeZone;
|
||||||
|
|
||||||
|
import org.apache.pdfbox.pdmodel.PDDocument;
|
||||||
|
import org.apache.pdfbox.pdmodel.PDDocumentInformation;
|
||||||
|
import org.apache.pdfbox.pdmodel.PDPage;
|
||||||
|
import org.apache.pdfbox.pdmodel.PDPageContentStream;
|
||||||
|
import org.apache.pdfbox.pdmodel.PDPageContentStream.AppendMode;
|
||||||
|
import org.apache.pdfbox.pdmodel.common.PDRectangle;
|
||||||
|
import org.apache.pdfbox.pdmodel.font.PDFont;
|
||||||
|
import org.apache.pdfbox.pdmodel.font.PDFontDescriptor;
|
||||||
|
import org.apache.pdfbox.pdmodel.font.PDType0Font;
|
||||||
|
import org.apache.pdfbox.pdmodel.font.PDType1Font;
|
||||||
|
import org.apache.pdfbox.pdmodel.font.Standard14Fonts;
|
||||||
|
import org.apache.pdfbox.pdmodel.graphics.state.RenderingMode;
|
||||||
|
import org.apache.pdfbox.text.PDFTextStripper;
|
||||||
|
import org.apache.pdfbox.text.TextPosition;
|
||||||
|
import org.springframework.stereotype.Service;
|
||||||
|
import org.springframework.web.multipart.MultipartFile;
|
||||||
|
|
||||||
|
import com.fasterxml.jackson.databind.ObjectMapper;
|
||||||
|
|
||||||
|
import lombok.RequiredArgsConstructor;
|
||||||
|
import lombok.extern.slf4j.Slf4j;
|
||||||
|
|
||||||
|
import stirling.software.SPDF.model.json.PdfJsonDocument;
|
||||||
|
import stirling.software.SPDF.model.json.PdfJsonFont;
|
||||||
|
import stirling.software.SPDF.model.json.PdfJsonMetadata;
|
||||||
|
import stirling.software.SPDF.model.json.PdfJsonPage;
|
||||||
|
import stirling.software.SPDF.model.json.PdfJsonTextElement;
|
||||||
|
import stirling.software.common.service.CustomPDFDocumentFactory;
|
||||||
|
import stirling.software.common.util.ExceptionUtils;
|
||||||
|
|
||||||
|
@Slf4j
|
||||||
|
@Service
|
||||||
|
@RequiredArgsConstructor
|
||||||
|
public class PdfJsonConversionService {
|
||||||
|
|
||||||
|
private final CustomPDFDocumentFactory pdfDocumentFactory;
|
||||||
|
private final ObjectMapper objectMapper;
|
||||||
|
|
||||||
|
public byte[] convertPdfToJson(MultipartFile file) throws IOException {
|
||||||
|
if (file == null) {
|
||||||
|
throw ExceptionUtils.createNullArgumentException("fileInput");
|
||||||
|
}
|
||||||
|
try (PDDocument document = pdfDocumentFactory.load(file.getInputStream(), true)) {
|
||||||
|
Map<String, PdfJsonFont> fonts = new LinkedHashMap<>();
|
||||||
|
Map<Integer, List<PdfJsonTextElement>> textByPage = new LinkedHashMap<>();
|
||||||
|
|
||||||
|
TextCollectingStripper stripper = new TextCollectingStripper(fonts, textByPage);
|
||||||
|
stripper.setSortByPosition(true);
|
||||||
|
stripper.getText(document);
|
||||||
|
|
||||||
|
PdfJsonDocument pdfJson = new PdfJsonDocument();
|
||||||
|
pdfJson.setMetadata(extractMetadata(document));
|
||||||
|
pdfJson.setFonts(new ArrayList<>(fonts.values()));
|
||||||
|
pdfJson.setPages(extractPages(document, textByPage));
|
||||||
|
|
||||||
|
return objectMapper
|
||||||
|
.writerWithDefaultPrettyPrinter()
|
||||||
|
.writeValueAsBytes(pdfJson);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
public byte[] convertJsonToPdf(MultipartFile file) throws IOException {
|
||||||
|
if (file == null) {
|
||||||
|
throw ExceptionUtils.createNullArgumentException("fileInput");
|
||||||
|
}
|
||||||
|
byte[] jsonBytes = file.getBytes();
|
||||||
|
PdfJsonDocument pdfJson =
|
||||||
|
objectMapper.readValue(jsonBytes, PdfJsonDocument.class);
|
||||||
|
|
||||||
|
try (PDDocument document = new PDDocument()) {
|
||||||
|
applyMetadata(document, pdfJson.getMetadata());
|
||||||
|
|
||||||
|
Map<String, PDFont> fontMap = buildFontMap(document, pdfJson.getFonts());
|
||||||
|
PDFont defaultFont = new PDType1Font(Standard14Fonts.FontName.HELVETICA);
|
||||||
|
|
||||||
|
List<PdfJsonPage> pages = pdfJson.getPages();
|
||||||
|
if (pages == null) {
|
||||||
|
pages = new ArrayList<>();
|
||||||
|
}
|
||||||
|
|
||||||
|
for (PdfJsonPage pageModel : pages) {
|
||||||
|
PDRectangle pageSize =
|
||||||
|
new PDRectangle(
|
||||||
|
safeFloat(pageModel.getWidth(), 612f),
|
||||||
|
safeFloat(pageModel.getHeight(), 792f));
|
||||||
|
PDPage page = new PDPage(pageSize);
|
||||||
|
if (pageModel.getRotation() != null) {
|
||||||
|
page.setRotation(pageModel.getRotation());
|
||||||
|
}
|
||||||
|
document.addPage(page);
|
||||||
|
|
||||||
|
List<PdfJsonTextElement> elements = pageModel.getTextElements();
|
||||||
|
if (elements == null || elements.isEmpty()) {
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
|
||||||
|
try (PDPageContentStream contentStream =
|
||||||
|
new PDPageContentStream(
|
||||||
|
document,
|
||||||
|
page,
|
||||||
|
AppendMode.APPEND,
|
||||||
|
true,
|
||||||
|
true)) {
|
||||||
|
contentStream.beginText();
|
||||||
|
for (PdfJsonTextElement element : elements) {
|
||||||
|
PDFont font = fontMap.getOrDefault(element.getFontId(), defaultFont);
|
||||||
|
float fontSize = safeFloat(element.getFontSize(), 12f);
|
||||||
|
contentStream.setFont(font, fontSize);
|
||||||
|
applyRenderingMode(contentStream, element.getRenderingMode());
|
||||||
|
applyTextMatrix(contentStream, element);
|
||||||
|
try {
|
||||||
|
contentStream.showText(Objects.toString(element.getText(), ""));
|
||||||
|
} catch (IllegalArgumentException ex) {
|
||||||
|
log.debug(
|
||||||
|
"Falling back to default font for text element due to encoding issue: {}",
|
||||||
|
ex.getMessage());
|
||||||
|
contentStream.setFont(defaultFont, fontSize);
|
||||||
|
contentStream.showText(Objects.toString(element.getText(), ""));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
contentStream.endText();
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
try (ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
|
||||||
|
document.save(baos);
|
||||||
|
return baos.toByteArray();
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
private List<PdfJsonPage> extractPages(
|
||||||
|
PDDocument document, Map<Integer, List<PdfJsonTextElement>> textByPage) {
|
||||||
|
List<PdfJsonPage> pages = new ArrayList<>();
|
||||||
|
int pageIndex = 0;
|
||||||
|
for (PDPage page : document.getPages()) {
|
||||||
|
PdfJsonPage pageModel = new PdfJsonPage();
|
||||||
|
pageModel.setPageNumber(pageIndex + 1);
|
||||||
|
PDRectangle mediaBox = page.getMediaBox();
|
||||||
|
pageModel.setWidth(mediaBox.getWidth());
|
||||||
|
pageModel.setHeight(mediaBox.getHeight());
|
||||||
|
pageModel.setRotation(page.getRotation());
|
||||||
|
pageModel.setTextElements(textByPage.getOrDefault(pageIndex + 1, new ArrayList<>()));
|
||||||
|
pages.add(pageModel);
|
||||||
|
pageIndex++;
|
||||||
|
}
|
||||||
|
return pages;
|
||||||
|
}
|
||||||
|
|
||||||
|
private PdfJsonMetadata extractMetadata(PDDocument document) {
|
||||||
|
PdfJsonMetadata metadata = new PdfJsonMetadata();
|
||||||
|
PDDocumentInformation info = document.getDocumentInformation();
|
||||||
|
if (info != null) {
|
||||||
|
metadata.setTitle(info.getTitle());
|
||||||
|
metadata.setAuthor(info.getAuthor());
|
||||||
|
metadata.setSubject(info.getSubject());
|
||||||
|
metadata.setKeywords(info.getKeywords());
|
||||||
|
metadata.setCreator(info.getCreator());
|
||||||
|
metadata.setProducer(info.getProducer());
|
||||||
|
metadata.setCreationDate(formatCalendar(info.getCreationDate()));
|
||||||
|
metadata.setModificationDate(formatCalendar(info.getModificationDate()));
|
||||||
|
metadata.setTrapped(info.getTrapped());
|
||||||
|
}
|
||||||
|
metadata.setNumberOfPages(document.getNumberOfPages());
|
||||||
|
return metadata;
|
||||||
|
}
|
||||||
|
|
||||||
|
private void applyMetadata(PDDocument document, PdfJsonMetadata metadata) {
|
||||||
|
if (metadata == null) {
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
PDDocumentInformation info = document.getDocumentInformation();
|
||||||
|
info.setTitle(metadata.getTitle());
|
||||||
|
info.setAuthor(metadata.getAuthor());
|
||||||
|
info.setSubject(metadata.getSubject());
|
||||||
|
info.setKeywords(metadata.getKeywords());
|
||||||
|
info.setCreator(metadata.getCreator());
|
||||||
|
info.setProducer(metadata.getProducer());
|
||||||
|
if (metadata.getCreationDate() != null) {
|
||||||
|
parseInstant(metadata.getCreationDate())
|
||||||
|
.ifPresent(instant -> info.setCreationDate(toCalendar(instant)));
|
||||||
|
}
|
||||||
|
if (metadata.getModificationDate() != null) {
|
||||||
|
parseInstant(metadata.getModificationDate())
|
||||||
|
.ifPresent(instant -> info.setModificationDate(toCalendar(instant)));
|
||||||
|
}
|
||||||
|
info.setTrapped(metadata.getTrapped());
|
||||||
|
}
|
||||||
|
|
||||||
|
private Map<String, PDFont> buildFontMap(PDDocument document, List<PdfJsonFont> fonts)
|
||||||
|
throws IOException {
|
||||||
|
Map<String, PDFont> fontMap = new HashMap<>();
|
||||||
|
if (fonts == null) {
|
||||||
|
return fontMap;
|
||||||
|
}
|
||||||
|
for (PdfJsonFont fontModel : fonts) {
|
||||||
|
PDFont font = createFontFromModel(document, fontModel);
|
||||||
|
if (font != null && fontModel.getId() != null) {
|
||||||
|
fontMap.put(fontModel.getId(), font);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return fontMap;
|
||||||
|
}
|
||||||
|
|
||||||
|
private PDFont createFontFromModel(PDDocument document, PdfJsonFont fontModel)
|
||||||
|
throws IOException {
|
||||||
|
if (fontModel == null) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
String base64 = fontModel.getBase64Data();
|
||||||
|
if (base64 != null && !base64.isBlank()) {
|
||||||
|
byte[] fontBytes = Base64.getDecoder().decode(base64);
|
||||||
|
try (InputStream fontStream = new ByteArrayInputStream(fontBytes)) {
|
||||||
|
return PDType0Font.load(document, fontStream, true);
|
||||||
|
} catch (IOException ex) {
|
||||||
|
log.debug(
|
||||||
|
Locale.ROOT,
|
||||||
|
"Unable to load font as Type0 ({}), trying Type1: {}",
|
||||||
|
fontModel.getName(),
|
||||||
|
ex.getMessage());
|
||||||
|
try (InputStream fontStream = new ByteArrayInputStream(fontBytes)) {
|
||||||
|
return PDType1Font.load(document, fontStream);
|
||||||
|
} catch (IOException innerEx) {
|
||||||
|
log.warn(
|
||||||
|
Locale.ROOT,
|
||||||
|
"Failed to load embedded font {}, falling back to Standard 14 if available",
|
||||||
|
fontModel.getName());
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
String standardName = fontModel.getStandard14Name();
|
||||||
|
if (standardName != null) {
|
||||||
|
try {
|
||||||
|
Standard14Fonts.FontName fontName =
|
||||||
|
Standard14Fonts.getMappedFontName(standardName);
|
||||||
|
return new PDType1Font(fontName);
|
||||||
|
} catch (IllegalArgumentException ex) {
|
||||||
|
log.warn(
|
||||||
|
Locale.ROOT,
|
||||||
|
"Unknown Standard 14 font {}, using Helvetica",
|
||||||
|
standardName);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return new PDType1Font(Standard14Fonts.FontName.HELVETICA);
|
||||||
|
}
|
||||||
|
|
||||||
|
private void applyTextMatrix(PDPageContentStream contentStream, PdfJsonTextElement element)
|
||||||
|
throws IOException {
|
||||||
|
List<Float> matrix = element.getTextMatrix();
|
||||||
|
if (matrix != null && matrix.size() == 6) {
|
||||||
|
contentStream.setTextMatrix(
|
||||||
|
matrix.get(0),
|
||||||
|
matrix.get(1),
|
||||||
|
matrix.get(2),
|
||||||
|
matrix.get(3),
|
||||||
|
matrix.get(4),
|
||||||
|
matrix.get(5));
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
float x = safeFloat(element.getX(), 0f);
|
||||||
|
float y = safeFloat(element.getY(), 0f);
|
||||||
|
contentStream.setTextMatrix(1, 0, 0, 1, x, y);
|
||||||
|
}
|
||||||
|
|
||||||
|
private void applyRenderingMode(PDPageContentStream contentStream, Integer renderingMode)
|
||||||
|
throws IOException {
|
||||||
|
if (renderingMode == null) {
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
try {
|
||||||
|
RenderingMode mode = RenderingMode.fromInt(renderingMode);
|
||||||
|
contentStream.setRenderingMode(mode);
|
||||||
|
} catch (IllegalArgumentException ex) {
|
||||||
|
log.debug(
|
||||||
|
Locale.ROOT,
|
||||||
|
"Ignoring unsupported rendering mode {}: {}",
|
||||||
|
renderingMode,
|
||||||
|
ex.getMessage());
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
private float safeFloat(Float value, float defaultValue) {
|
||||||
|
if (value == null || Float.isNaN(value) || Float.isInfinite(value)) {
|
||||||
|
return defaultValue;
|
||||||
|
}
|
||||||
|
return value;
|
||||||
|
}
|
||||||
|
|
||||||
|
private String formatCalendar(Calendar calendar) {
|
||||||
|
if (calendar == null) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
return calendar.toInstant().toString();
|
||||||
|
}
|
||||||
|
|
||||||
|
private Optional<Instant> parseInstant(String value) {
|
||||||
|
try {
|
||||||
|
return Optional.of(Instant.parse(value));
|
||||||
|
} catch (DateTimeParseException ex) {
|
||||||
|
log.warn(Locale.ROOT, "Failed to parse instant '{}': {}", value, ex.getMessage());
|
||||||
|
return Optional.empty();
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
private Calendar toCalendar(Instant instant) {
|
||||||
|
Calendar calendar = Calendar.getInstance(TimeZone.getTimeZone("UTC"));
|
||||||
|
calendar.setTimeInMillis(instant.toEpochMilli());
|
||||||
|
return calendar;
|
||||||
|
}
|
||||||
|
|
||||||
|
private class TextCollectingStripper extends PDFTextStripper {
|
||||||
|
|
||||||
|
private final Map<String, PdfJsonFont> fonts;
|
||||||
|
private final Map<Integer, List<PdfJsonTextElement>> textByPage;
|
||||||
|
private int currentPage = 1;
|
||||||
|
|
||||||
|
TextCollectingStripper(
|
||||||
|
Map<String, PdfJsonFont> fonts, Map<Integer, List<PdfJsonTextElement>> textByPage)
|
||||||
|
throws IOException {
|
||||||
|
this.fonts = fonts;
|
||||||
|
this.textByPage = textByPage;
|
||||||
|
}
|
||||||
|
|
||||||
|
@Override
|
||||||
|
protected void startPage(PDPage page) throws IOException {
|
||||||
|
super.startPage(page);
|
||||||
|
currentPage = getCurrentPageNo();
|
||||||
|
}
|
||||||
|
|
||||||
|
@Override
|
||||||
|
protected void writeString(String text, List<TextPosition> textPositions)
|
||||||
|
throws IOException {
|
||||||
|
if (textPositions == null || textPositions.isEmpty()) {
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
List<PdfJsonTextElement> pageElements =
|
||||||
|
textByPage.computeIfAbsent(currentPage, key -> new ArrayList<>());
|
||||||
|
|
||||||
|
for (TextPosition position : textPositions) {
|
||||||
|
PDFont font = position.getFont();
|
||||||
|
String fontId = registerFont(font);
|
||||||
|
PdfJsonTextElement element = new PdfJsonTextElement();
|
||||||
|
element.setText(position.getUnicode());
|
||||||
|
element.setFontId(fontId);
|
||||||
|
element.setFontSize(position.getFontSizeInPt());
|
||||||
|
element.setX(position.getXDirAdj());
|
||||||
|
element.setY(position.getYDirAdj());
|
||||||
|
element.setWidth(position.getWidthDirAdj());
|
||||||
|
element.setHeight(position.getHeightDir());
|
||||||
|
element.setRenderingMode(position.getRenderingMode().intValue());
|
||||||
|
element.setTextMatrix(extractMatrix(position));
|
||||||
|
pageElements.add(element);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
private List<Float> extractMatrix(TextPosition position) {
|
||||||
|
float[] values = new float[6];
|
||||||
|
values[0] = position.getTextMatrix().getValue(0, 0);
|
||||||
|
values[1] = position.getTextMatrix().getValue(0, 1);
|
||||||
|
values[2] = position.getTextMatrix().getValue(1, 0);
|
||||||
|
values[3] = position.getTextMatrix().getValue(1, 1);
|
||||||
|
values[4] = position.getTextMatrix().getValue(2, 0);
|
||||||
|
values[5] = position.getTextMatrix().getValue(2, 1);
|
||||||
|
List<Float> matrix = new ArrayList<>(6);
|
||||||
|
for (float value : values) {
|
||||||
|
matrix.add(value);
|
||||||
|
}
|
||||||
|
return matrix;
|
||||||
|
}
|
||||||
|
|
||||||
|
private String registerFont(PDFont font) throws IOException {
|
||||||
|
String id = font.getName();
|
||||||
|
if (!fonts.containsKey(id)) {
|
||||||
|
PdfJsonFont fontModel = new PdfJsonFont();
|
||||||
|
fontModel.setId(id);
|
||||||
|
fontModel.setName(font.getName());
|
||||||
|
fontModel.setSubtype(font.getSubtype());
|
||||||
|
fontModel.setEncoding(font.getEncoding() != null ? font.getEncoding().getClass().getName() : null);
|
||||||
|
fontModel.setEmbedded(!font.isStandard14Font());
|
||||||
|
fontModel.setStandard14Name(resolveStandard14Name(font));
|
||||||
|
fontModel.setFontDescriptorFlags(
|
||||||
|
font.getFontDescriptor() != null
|
||||||
|
? font.getFontDescriptor().getFlags()
|
||||||
|
: null);
|
||||||
|
fontModel.setBase64Data(extractFontData(font));
|
||||||
|
fonts.put(id, fontModel);
|
||||||
|
}
|
||||||
|
return id;
|
||||||
|
}
|
||||||
|
|
||||||
|
private String resolveStandard14Name(PDFont font) {
|
||||||
|
if (font == null) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
if (font.isStandard14Font()) {
|
||||||
|
return font.getName();
|
||||||
|
}
|
||||||
|
try {
|
||||||
|
Standard14Fonts.FontName mapped =
|
||||||
|
Standard14Fonts.getMappedFontName(font.getName());
|
||||||
|
return mapped.getName();
|
||||||
|
} catch (IllegalArgumentException ex) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
private String extractFontData(PDFont font) throws IOException {
|
||||||
|
if (font == null || font.isStandard14Font()) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
PDFontDescriptor descriptor = font.getFontDescriptor();
|
||||||
|
if (descriptor == null) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
org.apache.pdfbox.pdmodel.common.PDStream fontStream = descriptor.getFontFile();
|
||||||
|
if (fontStream == null) {
|
||||||
|
fontStream = descriptor.getFontFile2();
|
||||||
|
}
|
||||||
|
if (fontStream == null) {
|
||||||
|
fontStream = descriptor.getFontFile3();
|
||||||
|
}
|
||||||
|
if (fontStream == null) {
|
||||||
|
return null;
|
||||||
|
}
|
||||||
|
try (InputStream inputStream = fontStream.createInputStream();
|
||||||
|
ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
|
||||||
|
inputStream.transferTo(baos);
|
||||||
|
return Base64.getEncoder().encodeToString(baos.toByteArray());
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
Loading…
Reference in New Issue
Block a user