CMap (Mapping charakterů)
CMap v PDF formátu
CMap (Character Map) mapuje znakové kódy v PDF obsahu do Unicode kódových bodů nebo glyfů. Zdroje CMapa se používají pro výběr textu, vyhledávání a přístupnost v dokumentech PDF (ISO 32000-1:2008, §9.10).
AdobeGlyphList
AdobeGlyphList poskytuje statické mapování od Adobe glyph names do Unicode kódové body:
int unicode = AdobeGlyphList.getUnicode("bullet"); // returns 0x2022
boolean exists = AdobeGlyphList.contains("copyright"); // truePoužívá se při dekódování jmen glyfů z písmen typu 1 a TrueType, které používají konvenci pro označování standardních glyfem Adobe.
Zkódování textu
Zkódování PDF textů mapuje znakové kódy na glyfy prostřednictvím kombinace kódovacího slovníku písma, ToUnicode CMap a tabulky šířky znaků. Správné ovládání CMapu je nezbytné pro spolehlivé extrakci textu.
