<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
</head>
<body>
<div class="moz-cite-prefix">Pouzil jsem qpdf na rozbaleni streamu a
know-how ziskane lety zirani do cizich formatu ;)<br>
PDF je slozity jako krava, uz na urovni formatu (Specifikace ma
756 stran v pdf)<br>
</div>
<div class="moz-cite-prefix"><br>
Jinak tam nejsou 'vnorene objekty'. Je to uplne normalni stranka,
s uplne normalnim streamem s obsahem. Jen proste ten stream
obsahuje jen operatory pro carovou grafiku, zadne operatory pro
znaky/fonty/obrazky. Funkce extract_text, kterou pouzivate, ta
prochazi stream a snazi se nejak vyrenderovat ten text. Neni to
'konverze formatu'. Je to 'zkousim simulovat tisk a sebrat
vysledny text'.<br>
</div>
<div class="moz-cite-prefix"><br>
J.<br>
<br>
</div>
<div class="moz-cite-prefix">On 08.12.2023 18:22, Pavel Hudeček
wrote:<br>
</div>
<blockquote type="cite"
cite="mid:eeb30682-dd10-4880-955d-32c68e50b5ee@seznam.cz">
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
Díky,<br>
Že autorem je skladník, to jsem taky našel:-)<br>
Zkusím zjistit, zda ta knihovna má něco na práci s vnořenými
objekty.<br>
Uvedené informace jste jen vykoukal txt editorem, nebo je na to
nějaký nástroj?<br>
<br>
PH<br>
<br>
<div class="moz-cite-prefix">Dne 08.12.2023 v 16:16 Jindroush
napsal(a):<br>
</div>
<blockquote type="cite"
cite="mid:e5cb1ba0-c3ba-dd13-52ca-5664020a5659@seznam.cz">
<meta http-equiv="Content-Type" content="text/html;
charset=UTF-8">
<div class="moz-cite-prefix">Je to 'normalni' pdf, problem je v
tom, ze pdf je 'normalni' tiskovy format, proto ruzne prevody
funguji obtizne, nebo vubec.</div>
<div class="moz-cite-prefix">Jsou to instrukce, jak vyrenderovat
stranku.</div>
<div class="moz-cite-prefix">Toto pdf</div>
<div class="moz-cite-prefix">a) obsahuje 1 stranu</div>
<div class="moz-cite-prefix">b) vyprodukovano panem Paleckem
tiskem z Wordu</div>
<div class="moz-cite-prefix">c) tato jedna stranka (objekt 4 0
R) se odkazuje na zakompresovany obsah v objektu 5 0 R</div>
<div class="moz-cite-prefix">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.<br>
</div>
<div class="moz-cite-prefix"><br>
Coz je z hlediska zvetsovatelnosti apod idealni. Naprosto
netusim, zda se daji pomoci hente one pdf pythonovske knihovny
takoveto obrazky renderovat.</div>
<div class="moz-cite-prefix">Text (tj. operatory, ktere obsahuji
retezce pismenek) se tam nevyskytuje zadny.</div>
<div class="moz-cite-prefix"><br>
</div>
<div class="moz-cite-prefix">J.</div>
<div class="moz-cite-prefix"><br>
</div>
<div class="moz-cite-prefix">On 08.12.2023 15:57, Pavel Hudeček
wrote:<br>
</div>
<blockquote type="cite"
cite="mid:7a081029-14e9-43a9-8dcb-e65a1fe3ecfa@seznam.cz">
<meta http-equiv="content-type" content="text/html;
charset=UTF-8">
Donrý den všem,<br>
mějme py skript:<br>
<br>
<b><font face="monospace">import PyPDF2<br>
<br>
with open("W0140.pdf", 'rb') as pdf_file:<br>
reader = PyPDF2.PdfReader(pdf_file)<br>
pagesCnt = len(reader.pages)<br>
print("pagesCnt", pagesCnt)<br>
text = ""<br>
<br>
for stranka in reader.pages:<br>
imgCnt = len(stranka.images)<br>
text += ">" + stranka.extract_text() + "<"<br>
text += "\nimgCnt: " + str(imgCnt) +
"\n---------\n"<br>
<br>
print(text)</font><br>
</b><br>
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.<br>
<br>
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:-)<br>
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.<br>
<br>
Nějaké nápady, jak na takové PDF?<br>
</blockquote>
</blockquote>
<br>
<fieldset class="moz-mime-attachment-header"></fieldset>
<pre class="moz-quote-pre" wrap="">_______________________________________________
HW-list mailing list - sponsored by <a class="moz-txt-link-abbreviated" href="http://www.HW.cz">www.HW.cz</a>
<a class="moz-txt-link-abbreviated" href="mailto:Hw-list@list.hw.cz">Hw-list@list.hw.cz</a>
<a class="moz-txt-link-freetext" href="http://list.hw.cz/mailman/listinfo/hw-list">http://list.hw.cz/mailman/listinfo/hw-list</a>
</pre>
</blockquote>
<p><br>
</p>
<pre class="moz-signature" cols="72">--
Jindroush <a class="moz-txt-link-rfc2396E" href="mailto:jindroush@seznam.cz"><jindroush@seznam.cz></a></pre>
</body>
</html>