1 // Copyright 2014 PDFium Authors. All rights reserved.
2 // Use of this source code is governed by a BSD-style license that can be
3 // found in the LICENSE file.
4 
5 // Original code copyright 2014 Foxit Software Inc. http://www.foxitsoftware.com
6 
7 #include "../../include/fpdfapi/fpdf_page.h"
8 #include "../../include/fpdfapi/fpdf_pageobj.h"
9 #include "../../include/fpdftext/fpdf_text.h"
10 #include "txtproc.h"
11 #include "text_int.h"
12 extern FX_LPCSTR FCS_GetAltStr(FX_WCHAR);
CharFromUnicodeAlt(FX_WCHAR unicode,int destcp,FX_LPCSTR defchar)13 CFX_ByteString CharFromUnicodeAlt(FX_WCHAR unicode, int destcp, FX_LPCSTR defchar)
14 {
15     if (destcp == 0) {
16         if (unicode < 0x80) {
17             return CFX_ByteString((char)unicode);
18         }
19         FX_LPCSTR altstr = FCS_GetAltStr(unicode);
20         if (altstr) {
21             return CFX_ByteString(altstr, -1);
22         }
23         return CFX_ByteString(defchar, -1);
24     }
25     FX_BOOL bDef = FALSE;
26     char buf[10];
27     int ret = FXSYS_WideCharToMultiByte(destcp, 0, (wchar_t*)&unicode, 1, buf, 10, NULL, &bDef);
28     if (ret && !bDef) {
29         return CFX_ByteString(buf, ret);
30     }
31     FX_LPCSTR altstr = FCS_GetAltStr(unicode);
32     if (altstr) {
33         return CFX_ByteString(altstr, -1);
34     }
35     return CFX_ByteString(defchar, -1);
36 }
CTextPage()37 CTextPage::CTextPage()
38 {
39 }
~CTextPage()40 CTextPage::~CTextPage()
41 {
42     int i;
43     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
44         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
45         delete pBaseLine;
46     }
47     for (i = 0; i < m_TextColumns.GetSize(); i ++) {
48         CTextColumn* pTextColumn = (CTextColumn*)m_TextColumns.GetAt(i);
49         delete pTextColumn;
50     }
51 }
ProcessObject(CPDF_PageObject * pObject)52 void CTextPage::ProcessObject(CPDF_PageObject* pObject)
53 {
54     if (pObject->m_Type != PDFPAGE_TEXT) {
55         return;
56     }
57     CPDF_TextObject* pText = (CPDF_TextObject*)pObject;
58     CPDF_Font* pFont = pText->m_TextState.GetFont();
59     int count = pText->CountItems();
60     FX_FLOAT* pPosArray = FX_Alloc2D(FX_FLOAT, count, 2);
61     pText->CalcCharPos(pPosArray);
62 
63     FX_FLOAT fontsize_h = pText->m_TextState.GetFontSizeH();
64     FX_FLOAT fontsize_v = pText->m_TextState.GetFontSizeV();
65     FX_DWORD space_charcode = pFont->CharCodeFromUnicode(' ');
66     FX_FLOAT spacew = 0;
67     if (space_charcode != -1) {
68         spacew = fontsize_h * pFont->GetCharWidthF(space_charcode) / 1000;
69     }
70     if (spacew == 0) {
71         spacew = fontsize_h / 4;
72     }
73     if (pText->m_TextState.GetBaselineAngle() != 0) {
74         int cc = 0;
75         CFX_AffineMatrix matrix;
76         pText->GetTextMatrix(&matrix);
77         for (int i = 0; i < pText->m_nChars; i ++) {
78             FX_DWORD charcode = pText->m_nChars == 1 ? (FX_DWORD)(FX_UINTPTR)pText->m_pCharCodes : pText->m_pCharCodes[i];
79             if (charcode == (FX_DWORD) - 1) {
80                 continue;
81             }
82             FX_RECT char_box;
83             pFont->GetCharBBox(charcode, char_box);
84             FX_FLOAT char_left = pPosArray ? pPosArray[cc * 2] : char_box.left * pText->m_TextState.GetFontSize() / 1000;
85             FX_FLOAT char_right = pPosArray ? pPosArray[cc * 2 + 1] : char_box.right * pText->m_TextState.GetFontSize() / 1000;
86             FX_FLOAT char_top = char_box.top * pText->m_TextState.GetFontSize() / 1000;
87             FX_FLOAT char_bottom = char_box.bottom * pText->m_TextState.GetFontSize() / 1000;
88             cc ++;
89             FX_FLOAT char_origx, char_origy;
90             matrix.Transform(char_left, 0, char_origx, char_origy);
91             matrix.TransformRect(char_left, char_right, char_top, char_bottom);
92             CFX_ByteString str;
93             pFont->AppendChar(str, charcode);
94             InsertTextBox(NULL, char_origy, char_left, char_right, char_top,
95                           char_bottom, spacew, fontsize_v, str, pFont);
96         }
97         if (pPosArray) {
98             FX_Free(pPosArray);
99         }
100         return;
101     }
102     FX_FLOAT ratio_h = fontsize_h / pText->m_TextState.GetFontSize();
103     for (int ii = 0; ii < count * 2; ii ++) {
104         pPosArray[ii] *= ratio_h;
105     }
106     FX_FLOAT baseline = pText->m_PosY;
107     CTextBaseLine* pBaseLine = NULL;
108     FX_FLOAT topy = pText->m_Top;
109     FX_FLOAT bottomy = pText->m_Bottom;
110     FX_FLOAT leftx = pText->m_Left;
111     int cc = 0;
112     CFX_ByteString segment;
113     int space_count = 0;
114     FX_FLOAT last_left = 0, last_right = 0, segment_left = 0, segment_right = 0;
115     for (int i = 0; i < pText->m_nChars; i ++) {
116         FX_DWORD charcode = pText->m_nChars == 1 ? (FX_DWORD)(FX_UINTPTR)pText->m_pCharCodes : pText->m_pCharCodes[i];
117         if (charcode == (FX_DWORD) - 1) {
118             continue;
119         }
120         FX_FLOAT char_left = pPosArray[cc * 2];
121         FX_FLOAT char_right = pPosArray[cc * 2 + 1];
122         cc ++;
123         if (char_left < last_left || (char_left - last_right) > spacew / 2) {
124             pBaseLine = InsertTextBox(pBaseLine, baseline, leftx + segment_left, leftx + segment_right,
125                                       topy, bottomy, spacew, fontsize_v, segment, pFont);
126             segment_left = char_left;
127             segment = "";
128         }
129         if (space_count > 1) {
130             pBaseLine = InsertTextBox(pBaseLine, baseline, leftx + segment_left, leftx + segment_right,
131                                       topy, bottomy, spacew, fontsize_v, segment, pFont);
132             segment = "";
133         } else if (space_count == 1) {
134             pFont->AppendChar(segment, ' ');
135         }
136         if (segment.GetLength() == 0) {
137             segment_left = char_left;
138         }
139         segment_right = char_right;
140         pFont->AppendChar(segment, charcode);
141         space_count = 0;
142         last_left = char_left;
143         last_right = char_right;
144     }
145     if (segment.GetLength())
146         pBaseLine = InsertTextBox(pBaseLine, baseline, leftx + segment_left, leftx + segment_right,
147                                   topy, bottomy, spacew, fontsize_v, segment, pFont);
148     FX_Free(pPosArray);
149 }
InsertTextBox(CTextBaseLine * pBaseLine,FX_FLOAT basey,FX_FLOAT leftx,FX_FLOAT rightx,FX_FLOAT topy,FX_FLOAT bottomy,FX_FLOAT spacew,FX_FLOAT fontsize_v,CFX_ByteString & str,CPDF_Font * pFont)150 CTextBaseLine* CTextPage::InsertTextBox(CTextBaseLine* pBaseLine, FX_FLOAT basey, FX_FLOAT leftx,
151                                         FX_FLOAT rightx, FX_FLOAT topy, FX_FLOAT bottomy, FX_FLOAT spacew, FX_FLOAT fontsize_v,
152                                         CFX_ByteString& str, CPDF_Font* pFont)
153 {
154     if (str.GetLength() == 0) {
155         return NULL;
156     }
157     if (pBaseLine == NULL) {
158         int i;
159         for (i = 0; i < m_BaseLines.GetSize(); i ++) {
160             CTextBaseLine* pExistLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
161             if (pExistLine->m_BaseLine == basey) {
162                 pBaseLine = pExistLine;
163                 break;
164             }
165             if (pExistLine->m_BaseLine < basey) {
166                 break;
167             }
168         }
169         if (pBaseLine == NULL) {
170             pBaseLine = new CTextBaseLine;
171             pBaseLine->m_BaseLine = basey;
172             m_BaseLines.InsertAt(i, pBaseLine);
173         }
174     }
175     CFX_WideString text;
176     FX_LPCSTR pStr = str;
177     int len = str.GetLength(), offset = 0;
178     while (offset < len) {
179         FX_DWORD ch = pFont->GetNextChar(pStr, len, offset);
180         CFX_WideString unicode_str = pFont->UnicodeFromCharCode(ch);
181         if (unicode_str.IsEmpty()) {
182             text += (FX_WCHAR)ch;
183         }
184         else {
185             text += unicode_str;
186         }
187     }
188     pBaseLine->InsertTextBox(leftx, rightx, topy, bottomy, spacew, fontsize_v, text);
189     return pBaseLine;
190 }
WriteOutput(CFX_WideStringArray & lines,int iMinWidth)191 void CTextPage::WriteOutput(CFX_WideStringArray& lines, int iMinWidth)
192 {
193     FX_FLOAT lastheight = -1;
194     FX_FLOAT lastbaseline = -1;
195     FX_FLOAT MinLeftX = 1000000;
196     FX_FLOAT MaxRightX = 0;
197     int i;
198     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
199         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
200         FX_FLOAT leftx, rightx;
201         if (pBaseLine->GetWidth(leftx, rightx)) {
202             if (leftx < MinLeftX) {
203                 MinLeftX = leftx;
204             }
205             if (rightx > MaxRightX) {
206                 MaxRightX = rightx;
207             }
208         }
209     }
210     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
211         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
212         pBaseLine->MergeBoxes();
213     }
214     for (i = 1; i < m_BaseLines.GetSize(); i ++) {
215         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
216         CTextBaseLine* pPrevLine = (CTextBaseLine*)m_BaseLines.GetAt(i - 1);
217         if (pBaseLine->CanMerge(pPrevLine)) {
218             pPrevLine->Merge(pBaseLine);
219             delete pBaseLine;
220             m_BaseLines.RemoveAt(i);
221             i --;
222         }
223     }
224     if (m_bAutoWidth) {
225         int* widths = FX_Alloc(int, m_BaseLines.GetSize());
226         for (i = 0; i < m_BaseLines.GetSize(); i ++) {
227             widths[i] = 0;
228             CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
229             int TotalChars = 0;
230             FX_FLOAT TotalWidth = 0;
231             int minchars;
232             pBaseLine->CountChars(TotalChars, TotalWidth, minchars);
233             if (TotalChars) {
234                 FX_FLOAT charwidth = TotalWidth / TotalChars;
235                 widths[i] = (int)((MaxRightX - MinLeftX) / charwidth);
236             }
237             if (widths[i] > 1000) {
238                 widths[i] = 1000;
239             }
240             if (widths[i] < minchars) {
241                 widths[i] = minchars;
242             }
243         }
244         int AvgWidth = 0, widthcount = 0;
245         for (i = 0; i < m_BaseLines.GetSize(); i ++)
246             if (widths[i]) {
247                 AvgWidth += widths[i];
248                 widthcount ++;
249             }
250         AvgWidth = int((FX_FLOAT)AvgWidth / widthcount + 0.5);
251         int MaxWidth = 0;
252         for (i = 0; i < m_BaseLines.GetSize(); i ++)
253             if (MaxWidth < widths[i]) {
254                 MaxWidth = widths[i];
255             }
256         if (MaxWidth > AvgWidth * 6 / 5) {
257             MaxWidth = AvgWidth * 6 / 5;
258         }
259         FX_Free(widths);
260         if (iMinWidth < MaxWidth) {
261             iMinWidth = MaxWidth;
262         }
263     }
264     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
265         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
266         pBaseLine->MergeBoxes();
267     }
268     if (m_bKeepColumn) {
269         FindColumns();
270     }
271     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
272         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
273         if (lastheight >= 0) {
274             FX_FLOAT dy = lastbaseline - pBaseLine->m_BaseLine;
275             if (dy >= (pBaseLine->m_MaxFontSizeV) * 1.5 || dy >= lastheight * 1.5) {
276                 lines.Add(L"");
277             }
278         }
279         lastheight = pBaseLine->m_MaxFontSizeV;
280         lastbaseline = pBaseLine->m_BaseLine;
281         CFX_WideString str;
282         pBaseLine->WriteOutput(str, MinLeftX, MaxRightX - MinLeftX, iMinWidth);
283         lines.Add(str);
284     }
285 }
NormalizeCompositeChar(FX_WCHAR wChar,CFX_WideString & sDest)286 void NormalizeCompositeChar(FX_WCHAR wChar, CFX_WideString& sDest)
287 {
288     wChar = FX_GetMirrorChar(wChar, TRUE, FALSE);
289     FX_LPWSTR pDst = NULL;
290     FX_STRSIZE nCount = FX_Unicode_GetNormalization(wChar, pDst);
291     if (nCount < 1 ) {
292         sDest += wChar;
293         return;
294     }
295     pDst = new FX_WCHAR[nCount];
296     FX_Unicode_GetNormalization(wChar, pDst);
297     for (int nIndex = 0; nIndex < nCount; nIndex++) {
298         sDest += pDst[nIndex];
299     }
300     delete[] pDst;
301 }
NormalizeString(CFX_WideString & str)302 void NormalizeString(CFX_WideString& str)
303 {
304     if (str.GetLength() <= 0) {
305         return;
306     }
307     CFX_WideString sBuffer;
308     IFX_BidiChar* BidiChar = IFX_BidiChar::Create();
309     if (NULL == BidiChar)	{
310         return;
311     }
312     CFX_WordArray order;
313     FX_BOOL bR2L = FALSE;
314     FX_INT32 start = 0, count = 0, i = 0;
315     int nR2L = 0, nL2R = 0;
316     for (i = 0; i < str.GetLength(); i++) {
317         if(BidiChar->AppendChar(str.GetAt(i))) {
318             FX_INT32 ret = BidiChar->GetBidiInfo(start, count);
319             order.Add(start);
320             order.Add(count);
321             order.Add(ret);
322             if(!bR2L) {
323                 if(ret == 2) {
324                     nR2L++;
325                 } else if (ret == 1) {
326                     nL2R++;
327                 }
328             }
329         }
330     }
331     if(BidiChar->EndChar()) {
332         FX_INT32 ret = BidiChar->GetBidiInfo(start, count);
333         order.Add(start);
334         order.Add(count);
335         order.Add(ret);
336         if(!bR2L) {
337             if(ret == 2) {
338                 nR2L++;
339             } else if(ret == 1) {
340                 nL2R++;
341             }
342         }
343     }
344     if(nR2L > 0 && nR2L >= nL2R) {
345         bR2L = TRUE;
346     }
347     if(bR2L) {
348         int count = order.GetSize();
349         for(int j = count - 1; j > 0; j -= 3) {
350             int ret = order.GetAt(j);
351             int start = order.GetAt(j - 2);
352             int count1 = order.GetAt(j - 1);
353             if(ret == 2 || ret == 0) {
354                 for(int i = start + count1 - 1; i >= start; i--) {
355                     NormalizeCompositeChar(str[i], sBuffer);
356                 }
357             } else {
358                 i = j;
359                 FX_BOOL bSymbol = FALSE;
360                 while(i > 0 && order.GetAt(i) != 2) {
361                     bSymbol = !order.GetAt(i);
362                     i -= 3;
363                 }
364                 int end = start + count1 ;
365                 int n = 0;
366                 if(bSymbol) {
367                     n = i + 6;
368                 } else {
369                     n = i + 3;
370                 }
371                 if(n >= j) {
372                     for(int m = start; m < end; m++) {
373                         sBuffer += str[m];
374                     }
375                 } else {
376                     i = j;
377                     j = n;
378                     for(; n <= i; n += 3) {
379                         int start = order.GetAt(n - 2);
380                         int count1 = order.GetAt(n - 1);
381                         int end = start + count1 ;
382                         for(int m = start; m < end; m++) {
383                             sBuffer += str[m];
384                         }
385                     }
386                 }
387             }
388         }
389     } else {
390         int count = order.GetSize();
391         FX_BOOL bL2R = FALSE;
392         for(int j = 0; j < count; j += 3) {
393             int ret = order.GetAt(j + 2);
394             int start = order.GetAt(j);
395             int count1 = order.GetAt(j + 1);
396             if(ret == 2 || (j == 0 && ret == 0 && !bL2R)) {
397                 int i = j + 3;
398                 while(bR2L && i < count) {
399                     if(order.GetAt(i + 2) == 1) {
400                         break;
401                     } else {
402                         i += 3;
403                     }
404                 }
405                 if(i == 3) {
406                     j = -3;
407                     bL2R = TRUE;
408                     continue;
409                 }
410                 int end = str.GetLength() - 1;
411                 if(i < count) {
412                     end = order.GetAt(i) - 1;
413                 }
414                 j = i - 3;
415                 for(int n = end; n >= start; n--) {
416                     NormalizeCompositeChar(str[i], sBuffer);
417                 }
418             } else {
419                 int end = start + count1 ;
420                 for(int i = start; i < end; i++) {
421                     sBuffer += str[i];
422                 }
423             }
424         }
425     }
426     str.Empty();
427     str += sBuffer;
428     BidiChar->Release();
429 }
IsNumber(CFX_WideString & str)430 static FX_BOOL IsNumber(CFX_WideString& str)
431 {
432     for (int i = 0; i < str.GetLength(); i ++) {
433         FX_WCHAR ch = str[i];
434         if ((ch < '0' || ch > '9') && ch != '-' && ch != '+' && ch != '.' && ch != ' ') {
435             return FALSE;
436         }
437     }
438     return TRUE;
439 }
FindColumns()440 void CTextPage::FindColumns()
441 {
442     int i;
443     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
444         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
445         for (int j = 0; j < pBaseLine->m_TextList.GetSize(); j ++) {
446             CTextBox* pTextBox = (CTextBox*)pBaseLine->m_TextList.GetAt(j);
447             CTextColumn* pColumn = FindColumn(pTextBox->m_Right);
448             if (pColumn == NULL) {
449                 pColumn = new CTextColumn;
450                 pColumn->m_Count = 1;
451                 pColumn->m_AvgPos = pTextBox->m_Right;
452                 pColumn->m_TextPos = -1;
453                 m_TextColumns.Add(pColumn);
454             } else {
455                 pColumn->m_AvgPos = (pColumn->m_Count * pColumn->m_AvgPos + pTextBox->m_Right) /
456                                     (pColumn->m_Count + 1);
457                 pColumn->m_Count ++;
458             }
459         }
460     }
461     int mincount = m_BaseLines.GetSize() / 4;
462     for (i = 0; i < m_TextColumns.GetSize(); i ++) {
463         CTextColumn* pTextColumn = (CTextColumn*)m_TextColumns.GetAt(i);
464         if (pTextColumn->m_Count >= mincount) {
465             continue;
466         }
467         delete pTextColumn;
468         m_TextColumns.RemoveAt(i);
469         i --;
470     }
471     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
472         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
473         for (int j = 0; j < pBaseLine->m_TextList.GetSize(); j ++) {
474             CTextBox* pTextBox = (CTextBox*)pBaseLine->m_TextList.GetAt(j);
475             if (IsNumber(pTextBox->m_Text)) {
476                 pTextBox->m_pColumn = FindColumn(pTextBox->m_Right);
477             }
478         }
479     }
480 }
FindColumn(FX_FLOAT xpos)481 CTextColumn* CTextPage::FindColumn(FX_FLOAT xpos)
482 {
483     for (int i = 0; i < m_TextColumns.GetSize(); i ++) {
484         CTextColumn* pColumn = (CTextColumn*)m_TextColumns.GetAt(i);
485         if (pColumn->m_AvgPos < xpos + 1 && pColumn->m_AvgPos > xpos - 1) {
486             return pColumn;
487         }
488     }
489     return NULL;
490 }
BreakSpace(CPDF_TextObject * pTextObj)491 void CTextPage::BreakSpace(CPDF_TextObject* pTextObj)
492 {
493 }
CTextBaseLine()494 CTextBaseLine::CTextBaseLine()
495 {
496     m_Top = -100000;
497     m_Bottom = 100000;
498     m_MaxFontSizeV = 0;
499 }
~CTextBaseLine()500 CTextBaseLine::~CTextBaseLine()
501 {
502     for (int i = 0; i < m_TextList.GetSize(); i ++) {
503         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
504         delete pText;
505     }
506 }
InsertTextBox(FX_FLOAT leftx,FX_FLOAT rightx,FX_FLOAT topy,FX_FLOAT bottomy,FX_FLOAT spacew,FX_FLOAT fontsize_v,const CFX_WideString & text)507 void CTextBaseLine::InsertTextBox(FX_FLOAT leftx, FX_FLOAT rightx, FX_FLOAT topy, FX_FLOAT bottomy,
508                                   FX_FLOAT spacew, FX_FLOAT fontsize_v, const CFX_WideString& text)
509 {
510     if (m_Top < topy) {
511         m_Top = topy;
512     }
513     if (m_Bottom > bottomy) {
514         m_Bottom = bottomy;
515     }
516     if (m_MaxFontSizeV < fontsize_v) {
517         m_MaxFontSizeV = fontsize_v;
518     }
519     int i;
520     for (i = 0; i < m_TextList.GetSize(); i ++) {
521         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
522         if (pText->m_Left > leftx) {
523             break;
524         }
525     }
526     CTextBox* pText = new CTextBox;
527     pText->m_Text = text;
528     pText->m_Left = leftx;
529     pText->m_Right = rightx;
530     pText->m_Top = topy;
531     pText->m_Bottom = bottomy;
532     pText->m_SpaceWidth = spacew;
533     pText->m_FontSizeV = fontsize_v;
534     pText->m_pColumn = NULL;
535     m_TextList.InsertAt(i, pText);
536 }
537 FX_BOOL GetIntersection(FX_FLOAT low1, FX_FLOAT high1, FX_FLOAT low2, FX_FLOAT high2,
538                         FX_FLOAT& interlow, FX_FLOAT& interhigh);
CanMerge(CTextBaseLine * pOther)539 FX_BOOL CTextBaseLine::CanMerge(CTextBaseLine* pOther)
540 {
541     FX_FLOAT inter_top, inter_bottom;
542     if (!GetIntersection(m_Bottom, m_Top, pOther->m_Bottom, pOther->m_Top,
543                          inter_bottom, inter_top)) {
544         return FALSE;
545     }
546     FX_FLOAT inter_h = inter_top - inter_bottom;
547     if (inter_h < (m_Top - m_Bottom) / 2 && inter_h < (pOther->m_Top - pOther->m_Bottom) / 2) {
548         return FALSE;
549     }
550     FX_FLOAT dy = (FX_FLOAT)FXSYS_fabs(m_BaseLine - pOther->m_BaseLine);
551     for (int i = 0; i < m_TextList.GetSize(); i ++) {
552         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
553         for (int j = 0; j < pOther->m_TextList.GetSize(); j ++) {
554             CTextBox* pOtherText = (CTextBox*)pOther->m_TextList.GetAt(j);
555             FX_FLOAT inter_left, inter_right;
556             if (!GetIntersection(pText->m_Left, pText->m_Right,
557                                  pOtherText->m_Left, pOtherText->m_Right, inter_left, inter_right)) {
558                 continue;
559             }
560             FX_FLOAT inter_w = inter_right - inter_left;
561             if (inter_w < pText->m_SpaceWidth / 2 && inter_w < pOtherText->m_SpaceWidth / 2) {
562                 continue;
563             }
564             if (dy >= (pText->m_Bottom - pText->m_Top) / 2 ||
565                     dy >= (pOtherText->m_Bottom - pOtherText->m_Top) / 2) {
566                 return FALSE;
567             }
568         }
569     }
570     return TRUE;
571 }
Merge(CTextBaseLine * pOther)572 void CTextBaseLine::Merge(CTextBaseLine* pOther)
573 {
574     for (int i = 0; i < pOther->m_TextList.GetSize(); i ++) {
575         CTextBox* pText = (CTextBox*)pOther->m_TextList.GetAt(i);
576         InsertTextBox(pText->m_Left, pText->m_Right, pText->m_Top, pText->m_Bottom,
577                       pText->m_SpaceWidth, pText->m_FontSizeV, pText->m_Text);
578     }
579 }
GetWidth(FX_FLOAT & leftx,FX_FLOAT & rightx)580 FX_BOOL CTextBaseLine::GetWidth(FX_FLOAT& leftx, FX_FLOAT& rightx)
581 {
582     int i;
583     for (i = 0; i < m_TextList.GetSize(); i ++) {
584         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
585         if (pText->m_Text != L" ") {
586             break;
587         }
588     }
589     if (i == m_TextList.GetSize()) {
590         return FALSE;
591     }
592     CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
593     leftx = pText->m_Left;
594     for (i = m_TextList.GetSize() - 1; i >= 0; i --) {
595         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
596         if (pText->m_Text != L" ") {
597             break;
598         }
599     }
600     pText = (CTextBox*)m_TextList.GetAt(i);
601     rightx = pText->m_Right;
602     return TRUE;
603 }
MergeBoxes()604 void CTextBaseLine::MergeBoxes()
605 {
606     int i = 0;
607     while (1) {
608         if (i >= m_TextList.GetSize() - 1) {
609             break;
610         }
611         CTextBox* pThisText = (CTextBox*)m_TextList.GetAt(i);
612         CTextBox* pNextText = (CTextBox*)m_TextList.GetAt(i + 1);
613         FX_FLOAT dx = pNextText->m_Left - pThisText->m_Right;
614         FX_FLOAT spacew = (pThisText->m_SpaceWidth == 0.0) ?
615                           pNextText->m_SpaceWidth : pThisText->m_SpaceWidth;
616         if (spacew > 0.0 && dx < spacew * 2) {
617             pThisText->m_Right = pNextText->m_Right;
618             if (dx > spacew * 1.5) {
619                 pThisText->m_Text += L"  ";
620             } else if (dx > spacew / 3) {
621                 pThisText->m_Text += L' ';
622             }
623             pThisText->m_Text += pNextText->m_Text;
624             pThisText->m_SpaceWidth = pNextText->m_SpaceWidth == 0.0 ?
625                                       spacew : pNextText->m_SpaceWidth;
626             m_TextList.RemoveAt(i + 1);
627             delete pNextText;
628         } else {
629             i ++;
630         }
631     }
632 }
WriteOutput(CFX_WideString & str,FX_FLOAT leftx,FX_FLOAT pagewidth,int iTextWidth)633 void CTextBaseLine::WriteOutput(CFX_WideString& str, FX_FLOAT leftx, FX_FLOAT pagewidth,
634                                 int iTextWidth)
635 {
636     int lastpos = -1;
637     for (int i = 0; i < m_TextList.GetSize(); i ++) {
638         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
639         int xpos;
640         if (pText->m_pColumn) {
641             xpos = (int)((pText->m_pColumn->m_AvgPos - leftx) * iTextWidth / pagewidth + 0.5);
642             xpos -= pText->m_Text.GetLength();
643         } else {
644             xpos = (int)((pText->m_Left - leftx) * iTextWidth / pagewidth + 0.5);
645         }
646         if (xpos <= lastpos) {
647             xpos = lastpos + 1;
648         }
649         for (int j = lastpos + 1; j < xpos; j ++) {
650             str += ' ';
651         }
652         CFX_WideString sSrc(pText->m_Text);
653         NormalizeString(sSrc);
654         str += sSrc;
655         str += ' ';
656         lastpos = xpos + pText->m_Text.GetLength();
657     }
658 }
CountChars(int & count,FX_FLOAT & width,int & minchars)659 void CTextBaseLine::CountChars(int& count, FX_FLOAT& width, int& minchars)
660 {
661     minchars = 0;
662     for (int i = 0; i < m_TextList.GetSize(); i ++) {
663         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
664         if (pText->m_Right - pText->m_Left < 0.002) {
665             continue;
666         }
667         count += pText->m_Text.GetLength();
668         width += pText->m_Right - pText->m_Left;
669         minchars += pText->m_Text.GetLength() + 1;
670     }
671 }
672 #define PI 3.1415926535897932384626433832795
CheckRotate(CPDF_Page & page,CFX_FloatRect & page_bbox)673 static void CheckRotate(CPDF_Page& page, CFX_FloatRect& page_bbox)
674 {
675     int total_count = 0, rotated_count[3] = {0, 0, 0};
676     FX_POSITION pos = page.GetFirstObjectPosition();
677     while (pos) {
678         CPDF_PageObject* pObj = page.GetNextObject(pos);
679         if (pObj->m_Type != PDFPAGE_TEXT) {
680             continue;
681         }
682         total_count ++;
683         CPDF_TextObject* pText = (CPDF_TextObject*)pObj;
684         FX_FLOAT angle = pText->m_TextState.GetBaselineAngle();
685         if (angle == 0.0) {
686             continue;
687         }
688         int degree = (int)(angle * 180 / PI + 0.5);
689         if (degree % 90) {
690             continue;
691         }
692         if (degree < 0) {
693             degree += 360;
694         }
695         int index = degree / 90 % 3 - 1;
696         if (index < 0) {
697             continue;
698         }
699         rotated_count[index] ++;
700     }
701     if (total_count == 0) {
702         return;
703     }
704     CFX_AffineMatrix matrix;
705     if (rotated_count[0] > total_count * 2 / 3) {
706         matrix.Set(0, -1, 1, 0, 0, page.GetPageHeight());
707     } else if (rotated_count[1] > total_count * 2 / 3) {
708         matrix.Set(-1, 0, 0, -1, page.GetPageWidth(), page.GetPageHeight());
709     } else if (rotated_count[2] > total_count * 2 / 3) {
710         matrix.Set(0, 1, -1, 0, page.GetPageWidth(), 0);
711     } else {
712         return;
713     }
714     page.Transform(matrix);
715     page_bbox.Transform(&matrix);
716 }
PDF_GetPageText_Unicode(CFX_WideStringArray & lines,CPDF_Document * pDoc,CPDF_Dictionary * pPage,int iMinWidth,FX_DWORD flags)717 void PDF_GetPageText_Unicode(CFX_WideStringArray& lines, CPDF_Document* pDoc, CPDF_Dictionary* pPage,
718                              int iMinWidth, FX_DWORD flags)
719 {
720     lines.RemoveAll();
721     if (pPage == NULL) {
722         return;
723     }
724     CPDF_Page page;
725     page.Load(pDoc, pPage);
726     CPDF_ParseOptions options;
727     options.m_bTextOnly = TRUE;
728     options.m_bSeparateForm = FALSE;
729     page.ParseContent(&options);
730     CFX_FloatRect page_bbox = page.GetPageBBox();
731     if (flags & PDF2TXT_AUTO_ROTATE) {
732         CheckRotate(page, page_bbox);
733     }
734     CTextPage texts;
735     texts.m_bAutoWidth = flags & PDF2TXT_AUTO_WIDTH;
736     texts.m_bKeepColumn = flags & PDF2TXT_KEEP_COLUMN;
737     texts.m_bBreakSpace = TRUE;
738     FX_POSITION pos = page.GetFirstObjectPosition();
739     while (pos) {
740         CPDF_PageObject* pObject = page.GetNextObject(pos);
741         if (!(flags & PDF2TXT_INCLUDE_INVISIBLE)) {
742             CFX_FloatRect rect(pObject->m_Left, pObject->m_Bottom, pObject->m_Right, pObject->m_Top);
743             if (!page_bbox.Contains(rect)) {
744                 continue;
745             }
746         }
747         texts.ProcessObject(pObject);
748     }
749     texts.WriteOutput(lines, iMinWidth);
750 }
PDF_GetPageText(CFX_ByteStringArray & lines,CPDF_Document * pDoc,CPDF_Dictionary * pPage,int iMinWidth,FX_DWORD flags)751 void PDF_GetPageText(CFX_ByteStringArray& lines, CPDF_Document* pDoc, CPDF_Dictionary* pPage,
752                      int iMinWidth, FX_DWORD flags)
753 {
754     lines.RemoveAll();
755     CFX_WideStringArray wlines;
756     PDF_GetPageText_Unicode(wlines, pDoc, pPage, iMinWidth, flags);
757     for (int i = 0; i < wlines.GetSize(); i ++) {
758         CFX_WideString wstr = wlines[i];
759         CFX_ByteString str;
760         for (int c = 0; c < wstr.GetLength(); c ++) {
761             str += CharFromUnicodeAlt(wstr[c], FXSYS_GetACP(), "?");
762         }
763         lines.Add(str);
764     }
765 }
766 extern void _PDF_GetTextStream_Unicode(CFX_WideTextBuf& buffer, CPDF_PageObjects* pPage, FX_BOOL bUseLF,
767                                        CFX_PtrArray* pObjArray);
PDF_GetTextStream_Unicode(CFX_WideTextBuf & buffer,CPDF_Document * pDoc,CPDF_Dictionary * pPage,FX_DWORD flags)768 void PDF_GetTextStream_Unicode(CFX_WideTextBuf& buffer, CPDF_Document* pDoc, CPDF_Dictionary* pPage, FX_DWORD flags)
769 {
770     buffer.EstimateSize(0, 10240);
771     CPDF_Page page;
772     page.Load(pDoc, pPage);
773     CPDF_ParseOptions options;
774     options.m_bTextOnly = TRUE;
775     options.m_bSeparateForm = FALSE;
776     page.ParseContent(&options);
777     _PDF_GetTextStream_Unicode(buffer, &page, TRUE, NULL);
778 }
779