CMap (Mapping al caracterelor)
CMap în PDF
O hartă CMap (Character Map) cartografiează codurile de caractere dintr-un flux de conținut PDF la puncte de cod Unicode sau nume de glife. Resursele CMAP sunt utilizate pentru extragerea textului, căutarea și accesibilitatea în documentele PDF (ISO 32000-1:2008, §9.10).
AdobeGlyphList
AdobeGlyphList oferă o cartografiere statică de la numele glifoanelor Adobe în Unicode puncte de cod:
int unicode = AdobeGlyphList.getUnicode("bullet"); // returns 0x2022
boolean exists = AdobeGlyphList.contains("copyright"); // trueAcesta este folosit atunci când se decodează numele de glife din tipurile de fonturi Type 1 și TrueType care utilizează convenția standard Adobe pentru denumirea glifelor.
Codarea textului
Codarea textului PDF mapă codurile de caractere cu glifele printr-o combinație a dicționarului de codificare al fontului, ToUnicode CMap și tabelul lățimii caracterelor. Manipularea corectă a CMape este esențială pentru extragerea textuală fiabilă.
