Re: Divné PDF vs Python

[Jindroush]

Je to 'normalni' pdf, problem je v tom, ze pdf je 'normalni' tiskovy 
format, proto ruzne prevody funguji obtizne, nebo vubec.
Jsou to instrukce, jak vyrenderovat stranku.
Toto pdf
a) obsahuje 1 stranu
b) vyprodukovano panem Paleckem tiskem z Wordu
c) tato jedna stranka (objekt 4 0 R) se odkazuje na zakompresovany obsah 
v objektu 5 0 R
d) objekt 5 0 R ma 160kb a je tvoren pouze grafickymi operatory, tj. 
vysledny obrazek se 'kresli', neni vlozen jako pdf apod. Je to 7159 
radek ~ priblizne stejne operatoru.

Coz je z hlediska zvetsovatelnosti apod idealni. Naprosto netusim, zda 
se daji pomoci hente one pdf pythonovske knihovny takoveto obrazky 
renderovat.
Text (tj. operatory, ktere obsahuji retezce pismenek) se tam nevyskytuje 
zadny.

J.

On 08.12.2023 15:57, Pavel Hudeček wrote:
> Donrý den všem,
> mějme py skript:
>
> *import PyPDF2
>
> with open("W0140.pdf", 'rb') as pdf_file:
>     reader = PyPDF2.PdfReader(pdf_file)
>     pagesCnt = len(reader.pages)
>     print("pagesCnt", pagesCnt)
>     text = ""
>
>     for stranka in reader.pages:
>         imgCnt = len(stranka.images)
>         text += ">" + stranka.extract_text() + "<"
>         text += "\nimgCnt: " + str(imgCnt) + "\n---------\n"
>
> print(text)
> *
> Když se pustí na nějaké normální pdf, vyleze seznam stránek s textama 
> a počtama obrázků. No a pak je tu tohle (příloha), který nějak záhadně 
> vyrobil náš skladník... Je v něm vidět wafer, ale python zahlásí 
> žádnej text a 0 obrázků.
>
> Poznámka: Ten skladník vzal PDF, který takto normálně jde zpracovat a 
> nějak z něj vykopíroval jednu stránku, čímž vzniklo předmětné pdf. 
> Takže problém je vyřešen tím, že jsem mu napsal ať tento krok vynechá:-)
> Ale mě by stejně zajímalo, co to jako vyrobil a jak to případně číst. 
> Protože samozřejmě když taková možnost existuje, tak nám takový 
> protokol může poslat i nějaký dodavatel čipů.
>
> Nějaké nápady, jak na takové PDF?
>
> Díky,
> PH
>
> _______________________________________________
> HW-list mailing list  -  sponsored bywww.HW.cz
> Hw-list na list.hw.cz
> http://list.hw.cz/mailman/listinfo/hw-list


-- 
Jindroush<jindroush na seznam.cz>
------------- další část ---------------
HTML příloha byla odstraněna...
URL: <http://list.hw.cz/pipermail/hw-list/attachments/20231208/503d684b/attachment.htm>