Как получить из pdf файла информацию о character spacing и word spacing?

Question

[Don_Sudak]

Использовал Pymupdf столкнулся с проблемой получения информации о тексте в пдф файле
Спросил в дискорд канале библиотеки о возможности получения информации об интервалах, но мне ответили что библиотека не умеет работать с ними
Возможно есть другие бибилиотеки, которые могут это?
P.S. Пытался посмотреть в других библиотеках но не нашёл. Возможно что-то пропустил....

Comments

[Viktor T2]

В сторону pdfminer посмотрите
https://stackoverflow-com.translate.goog/questions...
Еще
https://stackoverflow-com.translate.goog/questions...

Answer 1

[Adamos]

Задумался, есть ли в языке Postscript, лежащем в основе PDF, вообще команды разбивки букв и слов.
Проверил, таки есть: ashow и widthshow соответственно.
Так что теоретически можно конвертировать PDF обратно в PS и просто прочитать значения перед нужной командой.
Но не факт, что та программа, которая создавала PDF, использовала эти команды, а не просто раскидала глифы / слова по отдельным выводам с точными координатами.

Answer 2

[mayton2019]

Судя по описанию Pymupdf (Python) использует MuPdf (C) https://mupdf.com/ следовательно все ответы на вопросы надо искать там.

Сам вопрос звучит странно

character spacing и word spacing

автор хочет узнать из PDF документа есть ли информация о межбуквенном расстоянии прочее.

Это расстояние может быть не свойством документа а неким дефолтным свойством шрифта например.

Comments

[Adamos]

Нет, шрифт - это глифы и их размерные характеристики.
Могут быть отдельно прописаны глифовые пары типа "Гр", чтобы устранить визуальные дыры.
Но межбуквенное расстояние (letter spacing) - это именно добавка к координатам каждого следующего глифа строки определенной величины сверх прописанного в шрифте.
А word spacing вообще, как правило, применяется программами верстки для выключки колонки текста по ширине, высчитывается просто как (ширина строки - длина текста) / кол-во пробелов. И на эту величину удлиняется каждый пробел.

[mayton2019]

Adamos, а ну может быть.