CMap (Mapeamento de Caracteres)
CMap em PDF
Um CMap (Character Map) mapeia códigos de caracteres em um fluxo de conteúdo PDF para pontos de código Unicode ou nomes de glifos. Os recursos do CMAP são usados para extração de texto, pesquisa e acessibilidade em documentos PDF (ISO 32000-1:2008, §9.10).
AdobeGlyphList
AdobeGlyphList fornece um mapeamento estático de nomes de glifos do Adobe para Unicode Pontos de código:
int unicode = AdobeGlyphList.getUnicode("bullet"); // returns 0x2022
boolean exists = AdobeGlyphList.contains("copyright"); // trueIsso é usado ao decodificar nomes de glifos de fontes Tipo 1 e TrueType que usam a convenção padrão de nomeação de glyphs da Adobe.
Código de texto
A codificação de texto em PDF mapeia códigos de caracteres para glifos através da combinação do dicionário de codificações da fonte, o ToUnicode CMap e a tabela de largura de caractere da font. O tratamento correto do CMape é essencial para extração confiável de textos.
