CMap (Karaktertoewijzing)
CMap (Karaktertoewijzing)
CMap in PDF
Een CMap (Character Map) wijst teken-codes in een PDF-content-stream toe aan Unicode-codepunten of glyph-namen. CMap-bronnen worden gebruikt voor tekstextractie, zoeken en toegankelijkheid in PDF-documenten (ISO 32000-1:2008, §9.10).
AdobeGlyphList
AdobeGlyphList biedt een statische toewijzing van Adobe-glyph-namen naar Unicode-codepunten:
int unicode = AdobeGlyphList.getUnicode("bullet"); // returns 0x2022
boolean exists = AdobeGlyphList.contains("copyright"); // trueDit wordt gebruikt bij het decoderen van glyph-namen van Type-1- en TrueType-lettertypen die de Adobe-standaard glyph-naamsconventie gebruiken.
Tekstcodering
PDF-tekstcodering wijst teken-codes toe aan glyphs via een combinatie van de Encoding-dictionary van het lettertype, de ToUnicode CMap en de teken-breedtetabel van het lettertype. Een correcte CMap-afhandeling is essentieel voor betrouwbare tekstextractie.
