阅读(1096)
赞(0)
PyPDF2 Cmap
2023-03-30 16:00:51 更新
查看“crazyones”的cmap：
pdftk crazyones.pdf output crazyones-uncomp.pdf uncompress
你可以看到这个：
begincmap /CMapName /T1Encoding-UTF16 def /CMapType 2 def /CIDSystemInfo << /Registry (Adobe) /Ordering (UCS) /Supplement 0 >> def 1 begincodespacerange <00> <FF> endcodespacerange 1 beginbfchar <1B> <FB00> endbfchar endcmap CMapName currentdict /CMap defineresource pop
代码空间范围
codespacerange 将完整的字节序列映射到一系列 unicode 字形。它定义了一个起点：
1 beginbfchar <1B> <FB00>
这意味着1B(Hex for 27) 映射到 unicode 字符FB00- 连字 （两个小写的 f）。
这两个数字begincodespacerange意味着它以 0 的偏移量（因此从）开始到 FF 的偏移量（dec：255），因此 1B+FF = 282 ➜ FBFF。1B ➜ FB00
在文本流中，有
(The)-342(mis\034ts.)
\034 是八进制的 28 十进制。