Introduzione

Anatomia

Affinché rappresenti quanto possibile rigorosamente e nitidamente il contenuto di files PDF, PDF Clown è caratterizzato da una struttura stratificata che cela progressivamente i dettagli sintattici (quegli "strani geroglifici" ;-)) e rivela le entità semantiche (pagine, segnalibri, caratteri ecc.), permettendo agli utenti di ridurre la sezione d'accesso quanto desiderato.

Ecco un diagramma di classe raffigurante le entità principali della libreria e le loro relazioni: notare che si tratta solo di una vista più dettagliata sui medesimi strati descritti sopra.

Il diagramma sottostante rappresenta un oggetto Document (l'elemento alla radice di un file PDF modellato da PDF Clown) come è visto attraverso gli strati:

1. Byte layer (file PDF grezzo): il rettangolo punteggiato dentro l'icona del file PDF contiene un frammento di dati che rappresenta un oggetto Dictionary di tipo Catalog (elemento-radice del file);
2. Token layer (interpretazione lessicale (scansione) del file PDF): i bytes dell'oggetto Dictionary di tipo Catalog vengono aggregati in elementi atomici (lessemi);
3. Object layer (strutture dati emergenti dall'aggregazione di lessemi): è riconosciuto lo schema di un oggetto indiretto, quindi viene istanziato un PdfIndirectObject che incapsula i dati dell'oggetto Dictionary di tipo Catalog;
4. File layer (rappresentazione sintattica superiore del file PDF in PDF Clown): il PdfIndirectObject contenente l'oggetto Dictionary di tipo Catalog è schierato tra gli altri per rappresentare la struttura del file PDF;
5. Document layer (rappresentazione semantica del file PDF in PDF Clown): l'oggetto Dictionary di tipo Catalog viene incapsulato in un oggetto Document, il quale eredita da PdfObjectWrapper (ponte tra l'object layer e il document layer).

Funzionalità

Manipolazione di contenuti

Qui intendo descrivere una tra le funzionalità supportate da PDF Clown, cosicché possiate meglio valutare la ricchezza e flessibilità che la sua architettura consente. Per favore notate che qui ci si riferisce alla versione 0.0.4 o successiva di PDF Clown (le versioni precedenti sono caratterizzate da un modello meno sofisticato).

La manipolazione di contenuti grafici può essere realizzata a diversi livelli, in base alle vostre esigenze d'astrazione:

1. content stream (livello inferiore):
   1. content stream non gestito: questa è la rappresentazione inferiore dei contenuti grafici, espressi come bytes. Vi si può accedere tramite oggetti PdfStream.
   2. content stream gestito: questa è la rappresentazione sintattica inferiore dei contenuti grafici, espressi come tokens (pezzi letterali che costituiscono operazioni e oggetti grafici (testo, immagini, tracciati...)). Vi si può accedere tramite oggetti Parser.
2. modello di contenuto (livello intermedio):
   1. modello di contenuto non gestito: i tokens vengono aggregati in operazioni e oggetti grafici, inconsapevoli del loro stato grafico corrente. Vi si può accedere tramite oggetti Contents.
   2. modello di contenuto gestito: operazioni e oggetti grafici sono contestualizzati nello stato grafico corrente. Vi si può accedere tramite oggetti ContentScanner.
3. composizione (alto livello):
   1. composizione primitiva: operazioni e oggetti grafici vengono astratti in elementi grafici. Vi si può accedere tramite oggetti PrimitiveFilter.
   2. composizione statica: gli elementi grafici sono vincolati in aree di pagina a scopo di allineamento. Vi si può accedere tramite oggetti BlockFilter.
   3. composizione dinamica: gli elementi grafici possono estendersi attraverso le pagine a scopo di composizione fluida. Vi si può accedere tramite oggetti FlowFilter (NOTA: attualmente questo livello non è stato ancora implementato).

I livelli content stream e modello di contenuto sono utilizzabili sia in lettura che in scrittura di files PDF, mentre il livello di composizione è una funzionalità di sola scrittura.