Какой библиотекой можно вытащить информацию о линиях из PDF файла?

Question

[vvovas]

Существует ли библиотека, которая может вытащить из PDF список прямых линий?

Просмотрел кучу библиотек и в основном предлагают вытащить текст, картинки, аннотации и т.п., но не куски графики.
В то же время Foxit PhantomPDF при просмотре PDF файла позволяет выделить линию и определяет ее как shape object.

Можно, конечно, руками пробежаться по командам и поискать что-то типа:

q
1.27718 0 0 1.27718 0 0 cm
16300 7092.98 m
15830.2 7092.98 l
S
Q

но, думаю, что по спецификации линии можно рисовать довольно большим количеством вариантов. Так что хочется найти, что-то готовое, если это возможно.

Comments

[Adamos]

Спецификация PostScript открыта.
Если туда действительно заглянуть, окажется, что не так уж и много вариантов нарисовать линию.
Другое дело, что для определения параметров этой линии желательно распарсить практически весь код перед ней.
Остается вопрос, зачем вам это сдалось...

[vvovas]

Adamos, реальная задача звучит примерно как "получить список вертикальных и горизонтальных линий длиной больше X". + я изначально предполагаю, что нужная мне информация отрисована именно командами, а не является картинкой.

Вопрос возник скорее от того, что, как я писал выше, один из Viewer'ов адекватно определяет линии, показывая их координаты. А с учетом того, что все рендеры прорисовывают линии, была надежда на то, что какая-то из библиотек имеет функцию получения списка линий/ломаных и т.п., по аналогии с функцией получения текстовых объектов.

Знаю, что задачу можно решать и через распознавание растровой картинки, но интересует именно вариант через данные в самом PDF файле.

[Adamos]

vvovas, продвинутые viewer-ы делают разбор файла в понятные им самим объекты. Вряд ли вы хотите повторить эту работу ради решения одной задачи. Открытые программы используют открытую же библиотеку Poppler, но не факт, что вы сможете добиться от нее именно того, что вам нужно.

[vvovas]

Adamos, спасибо за информацию.
Поковырял еще исходники pdf.js и да, библиотека отрисовывает все на лету, так как canvas имеет схожие методы с PDF спецификацией - moveTo, lineTo и т.п. Так что видимо большинство рендеров не хранит информацию о графике.