思路初探：采用c#实现pdf转ofd

前言　　版式文档格式是版面呈现效果固定的电子文档格式， pdf和ofd均为板式文档格式标准；pdf板式文件占有绝对的统治地位；ofd是我国自主研发的板式文档规范，属于后起之秀。同为板式文件，理论上可以实现互转而又能达到呈现格式完全一致。

　　ofd标准晚于pdf标准将近20年，ofd标准采用吸纳了软件行业近年来的一些先进技术和通用做法；ofd和pdf虽均为板式文件，但是两个标准对板式文件的描述差别还是非常大的。市面上的板式文件大部分为pdf，如果能实现pdf转ofd，就解决了ofd的来源问题，可以促进ofd更快的普及。

作者研究ofd和pdf多年，采用c#实现了pdf转ofd，并将此功能集成到阅读器；阅读器打开pdf文件时，是将pdf转换为ofd后再显示的。完全实现pdf到ofd的转换需要大量的工作，作者会逐步完善。对于wps生成的pdf的文件，大部分是可以转换成功的。ofd阅读器下载（集成pdf与ofd互转）（百度网盘提取密码：jj9v）。

pdf转ofd初步思路

　　板式文件描述的内基本分为三大类：文字、线、图，称之为图元。绘制图元时，还需要确定图元所处的“环境”，如：前景色、背景色、剪切区域、坐标系等；称之为状态。最终的呈现效果由图元和状态决定的。

　　ofd与pdf描述这些元素的词是完全不同的，但是有相同的“意境”。将pdf转换为ofd的前提是充分理解pdf和ofd标准，找准两个标准相通的“意境”；转换就是意境的转换，而不是词汇的转换。下面逐步分析两个标准之间的差异。

pdf与ofd文档描述差异

　　pdf属于单体文件，ofd属于容器文件；暨ofd是压缩包，压缩包包含多个文件。pdf文件分为很多块，每个块称之为object，有唯一id对应。每个块分为header和body，header描述格式为dictionary。pdf文件的结构需要通过专用软件才能查看，这一点不如ofd。pdf文件内容查看器。

　　ofd容器内主要包括资源文件和格式描述文件。资源文件可以是任意文件，如：图片、字体、签章数据等；文件之间互不影响，可以方便的添加删除文件。格式文件是描述呈现格式的文件，为xml格式；采用xml格式的好处是：xml是标准格式、解析xml有现成的库；xml的描述能力也比pdf的文本描述能力更好。

　　对于状态的描述，ofd和pdf采用了两种不同的方式。pdf对状态的描述是分散的，确定当前状态的属性需要追溯到文档开始。ofd对状态的描述是自包含的，仅仅通过当前xml节点就能确定状态属性。从上可以看出，分析pdf的状态难度更大，但是pdf这种描述方式更能节省空间，特别是描述非常复杂的状态时。

文字描述差异

　　pdf对文字的描述比ofd要复杂很多；pdf标准诞生时，还没有unicode概念，最初pdf只是用来显示拉丁文字。为了显示东亚文件，pdf标准只能另辟蹊径，采用了cid格式字体文件。ofd对字体描述统一采用unicode，达到了化繁为简的效果。

图片描述差异

　　pdf图片处理部分比ofd复杂很多。pdf中的图片不是一个直接的“图”，它会描述图的压缩格式、像素颜色个数、调色板等信息，需要软件合成图片文件；而ofd文件是直接存入一个图片文件。

线描述差异

　　这两部分差异不大，线处理是相对来说简单些。ofd有一个特殊的操作符A，用来表示圆弧。

c# 实现pdf转ofd步骤

1）pdf文件读取

　　可以借助开源库处理pdf，比如：itext,apose,pdfbox等。pdf文件的结构还是比较复杂的，实现文件的读取逻辑也是非常复杂。

2）pdf指令的分割

每个pdf的指令包括操作数和操作符。这些数据是混合到一块的，需要快速高效的找到每个完整的指令。

下图恰好是每行一个指令。

3）pdf指令的处理

　　这里是pdf处理最复杂部分。pdf指令归为十几大类。从作用上来讲可以分为两类：状态指令、操作指令。状态指令是修改pdf状态属性的，操作指令是执行具体操作，如：显示文字、划线等。

4） pdf转ofd

　　理解pdf的处理指令就是掌握了“语义”，这是将pdf翻译成ofd必要条件。将语义用xml语法表示出来就是水到渠成的事。

后记　要完成pdf转ofd的功能，需要同时理解pdf和ofd标准。只要准确把握了这两种标准的内涵，就能实现pdf转ofd而又能确保不失真。

　　在板式文件领域，pdf仍然是主流；但是ofd具有后发优势。pdf标准文档达1300多页，还有大量的附加协议，完全掌握pdf标准需要假以时日。pdf标准出现的较早，所以背负了沉重的历史包袱；标准中的部分内容在今天看来是过时、冗余的。

　　pdf已成为事实上的国际标准，流式文档软件（wps等）或其他编辑设计软件大都有转换pdf功能。ofd的普及需要各方面的共同努力，让用户快捷方便的生成ofd文件是其中重要的一环。毕竟，无源之水无法汇集成浩瀚海洋。作者用c#尝试实现了pdf转ofd功能，达到了初步可用状况。实现pdf完美转换为ofd及ofd在国内普及是作者的梦想；前途漫漫，唯有奋斗。

思路初探：采用c#实现pdf转ofd相关推荐

PDF转OFD ~java实现
PDF转OFD ~java实现上篇文章记录了一下我第一次对接"超阅云"实现了ofd转pdf功能,想了想,还是再写一篇pdf转ofd的实现,其实对接的API基本一样,如果你是第一次 ...
java pdf与ofd文件相互转换
借用spire.pdf进行pdf与ofd相互转化 spire.pdf for java 参考文档: https://www.e-iceblue.cn/spire-pdf-for-java-news.h ...
[PDF]我们经常使用的PDF是什么？ PDF, PDF/A, PDF/Archive, OFD
经常在用PDF,一直也没去做过了解.今天整理备忘如下: PDF 全称 Portable Document Format ,便携式文档格式. PDF格式是跨平台(包括硬件和软件平台)的文件格式,由 Ad ...
用python3写一段代码提取pdf和ofd格式发票内容并json格式化输出
使用Python 3写一段代码来提取PDF和OFD格式发票内容并以JSON格式输出,可以使用Python库PyPDF2和pyofd:import PyPDF2 import pyofd# 读取PDF文 ...
Visio直接粘贴进Word的矢量图，采用Adobe导出PDF后图片内容存在缺失的解决方案；打印生成PDF，字体的加粗效果会很不明显的解决方案；
问题一 Visio直接粘贴进Word的矢量图,采用Adobe导出PDF后图片内容存在缺失目标效果: 但是导成PDF后字总是消失,成了调整Visio内容没用,尝试各种网上办法没用.师妹的福昕可 ...
（开源kkFileView、kkOffice）在线预览word、pdf、ofd、excel、ppt、压缩包、图片等等
(开源kkFileView.kkOffice)在线预览word.pdf.ofd.excel.ppt.压缩包.图片等前言此项目为文件文档在线预览项目解决方案,对标业内付费产品有[永中office][ ...
PDF、OFD，普通、专用电子发票批量解析V1.2
有用户反馈,部分ofd电子发票开始使用.希望小工具能支持ofd电子发票. 在一用户提供了两张ofd电子发票提供测试后,更新了此python小工具. 更新说明: 1.支持解析大多数PDF版本普通电子发票 ...
采用WPF技术，开发OFD电子文档阅读器
前言 OFD是国家标准版式文档格式,于2016年生效.OFD文档国家标准参见<电子文件存储与交换格式版式文档>.既然是国家标准,OFD随后肯定会首先在政务系统使用,并逐步推向社会各个方面. ...
JAVA识别PDF和OFD电子发票并解析为java对象
上一篇我们说了java实现电子发票中的发票税号等信息识别的几种可用方案,最后博主选取了识别文件二维码的方式,而且文章最后也说了,这种有局限性,去到的信息有限,而且针对OFD格式也得继续想办法,那接下来 ...
PHP 把ofd格式文件转PDF,打开OFD格式文件及将OFD格式文件转换成PDF文件
今天收到一张浙江开具的ofd格式发票,便在网上找相关的软件来打开方便打印出来给财务做账,但是找了一大圈没有解决方案,有些收费的解决方法,大部分所谓的OFD软件是骗人的,下载安装后根本打不开OFD格式的 ...

思路初探：采用c#实现pdf转ofd

思路初探：采用c#实现pdf转ofd相关推荐

最新文章

热门文章