Merge to XFA: Use stdint.h types throughout PDFium.
[pdfium.git] / core / src / fpdftext / fpdf_text.cpp
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);
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 }
37 CTextPage::CTextPage()
38 {
39 }
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 }
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)(uintptr_t)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)(uintptr_t)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 }
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 = FX_NEW CTextBaseLine;
171             if (NULL == pBaseLine) {
172                 return NULL;
173             }
174             pBaseLine->m_BaseLine = basey;
175             m_BaseLines.InsertAt(i, pBaseLine);
176         }
177     }
178     CFX_WideString text;
179     FX_LPCSTR pStr = str;
180     int len = str.GetLength(), offset = 0;
181     while (offset < len) {
182         FX_DWORD ch = pFont->GetNextChar(pStr, len, offset);
183         CFX_WideString unicode_str = pFont->UnicodeFromCharCode(ch);
184         if (unicode_str.IsEmpty()) {
185             text += (FX_WCHAR)ch;
186         }
187         else {
188             text += unicode_str;
189         }
190     }
191     pBaseLine->InsertTextBox(leftx, rightx, topy, bottomy, spacew, fontsize_v, text);
192     return pBaseLine;
193 }
194 void CTextPage::WriteOutput(CFX_WideStringArray& lines, int iMinWidth)
195 {
196     FX_FLOAT lastheight = -1;
197     FX_FLOAT lastbaseline = -1;
198     FX_FLOAT MinLeftX = 1000000;
199     FX_FLOAT MaxRightX = 0;
200     int i;
201     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
202         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
203         FX_FLOAT leftx, rightx;
204         if (pBaseLine->GetWidth(leftx, rightx)) {
205             if (leftx < MinLeftX) {
206                 MinLeftX = leftx;
207             }
208             if (rightx > MaxRightX) {
209                 MaxRightX = rightx;
210             }
211         }
212     }
213     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
214         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
215         pBaseLine->MergeBoxes();
216     }
217     for (i = 1; i < m_BaseLines.GetSize(); i ++) {
218         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
219         CTextBaseLine* pPrevLine = (CTextBaseLine*)m_BaseLines.GetAt(i - 1);
220         if (pBaseLine->CanMerge(pPrevLine)) {
221             pPrevLine->Merge(pBaseLine);
222             delete pBaseLine;
223             m_BaseLines.RemoveAt(i);
224             i --;
225         }
226     }
227     if (m_bAutoWidth) {
228         int* widths = FX_Alloc(int, m_BaseLines.GetSize());
229         for (i = 0; i < m_BaseLines.GetSize(); i ++) {
230             widths[i] = 0;
231             CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
232             int TotalChars = 0;
233             FX_FLOAT TotalWidth = 0;
234             int minchars;
235             pBaseLine->CountChars(TotalChars, TotalWidth, minchars);
236             if (TotalChars) {
237                 FX_FLOAT charwidth = TotalWidth / TotalChars;
238                 widths[i] = (int)((MaxRightX - MinLeftX) / charwidth);
239             }
240             if (widths[i] > 1000) {
241                 widths[i] = 1000;
242             }
243             if (widths[i] < minchars) {
244                 widths[i] = minchars;
245             }
246         }
247         int AvgWidth = 0, widthcount = 0;
248         for (i = 0; i < m_BaseLines.GetSize(); i ++)
249             if (widths[i]) {
250                 AvgWidth += widths[i];
251                 widthcount ++;
252             }
253         AvgWidth = int((FX_FLOAT)AvgWidth / widthcount + 0.5);
254         int MaxWidth = 0;
255         for (i = 0; i < m_BaseLines.GetSize(); i ++)
256             if (MaxWidth < widths[i]) {
257                 MaxWidth = widths[i];
258             }
259         if (MaxWidth > AvgWidth * 6 / 5) {
260             MaxWidth = AvgWidth * 6 / 5;
261         }
262         FX_Free(widths);
263         if (iMinWidth < MaxWidth) {
264             iMinWidth = MaxWidth;
265         }
266     }
267     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
268         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
269         pBaseLine->MergeBoxes();
270     }
271     if (m_bKeepColumn) {
272         FindColumns();
273     }
274     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
275         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
276         if (lastheight >= 0) {
277             FX_FLOAT dy = lastbaseline - pBaseLine->m_BaseLine;
278             if (dy >= (pBaseLine->m_MaxFontSizeV) * 1.5 || dy >= lastheight * 1.5) {
279                 lines.Add(L"");
280             }
281         }
282         lastheight = pBaseLine->m_MaxFontSizeV;
283         lastbaseline = pBaseLine->m_BaseLine;
284         CFX_WideString str;
285         pBaseLine->WriteOutput(str, MinLeftX, MaxRightX - MinLeftX, iMinWidth);
286         lines.Add(str);
287     }
288 }
289 void NormalizeCompositeChar(FX_WCHAR wChar, CFX_WideString& sDest)
290 {
291     wChar = FX_GetMirrorChar(wChar, TRUE, FALSE);
292     FX_LPWSTR pDst = NULL;
293     FX_STRSIZE nCount = FX_Unicode_GetNormalization(wChar, pDst);
294     if (nCount < 1 ) {
295         sDest += wChar;
296         return;
297     }
298     pDst = new FX_WCHAR[nCount];
299     FX_Unicode_GetNormalization(wChar, pDst);
300     for (int nIndex = 0; nIndex < nCount; nIndex++) {
301         sDest += pDst[nIndex];
302     }
303     delete[] pDst;
304 }
305 void NormalizeString(CFX_WideString& str)
306 {
307     if (str.GetLength() <= 0) {
308         return;
309     }
310     CFX_WideString sBuffer;
311     IFX_BidiChar* BidiChar = IFX_BidiChar::Create();
312     if (NULL == BidiChar)       {
313         return;
314     }
315     CFX_WordArray order;
316     FX_BOOL bR2L = FALSE;
317     int32_t start = 0, count = 0, i = 0;
318     int nR2L = 0, nL2R = 0;
319     for (i = 0; i < str.GetLength(); i++) {
320         if(BidiChar->AppendChar(str.GetAt(i))) {
321             int32_t ret = BidiChar->GetBidiInfo(start, count);
322             order.Add(start);
323             order.Add(count);
324             order.Add(ret);
325             if(!bR2L) {
326                 if(ret == 2) {
327                     nR2L++;
328                 } else if (ret == 1) {
329                     nL2R++;
330                 }
331             }
332         }
333     }
334     if(BidiChar->EndChar()) {
335         int32_t ret = BidiChar->GetBidiInfo(start, count);
336         order.Add(start);
337         order.Add(count);
338         order.Add(ret);
339         if(!bR2L) {
340             if(ret == 2) {
341                 nR2L++;
342             } else if(ret == 1) {
343                 nL2R++;
344             }
345         }
346     }
347     if(nR2L > 0 && nR2L >= nL2R) {
348         bR2L = TRUE;
349     }
350     if(bR2L) {
351         int count = order.GetSize();
352         for(int j = count - 1; j > 0; j -= 3) {
353             int ret = order.GetAt(j);
354             int start = order.GetAt(j - 2);
355             int count1 = order.GetAt(j - 1);
356             if(ret == 2 || ret == 0) {
357                 for(int i = start + count1 - 1; i >= start; i--) {
358                     NormalizeCompositeChar(str[i], sBuffer);
359                 }
360             } else {
361                 i = j;
362                 FX_BOOL bSymbol = FALSE;
363                 while(i > 0 && order.GetAt(i) != 2) {
364                     bSymbol = !order.GetAt(i);
365                     i -= 3;
366                 }
367                 int end = start + count1 ;
368                 int n = 0;
369                 if(bSymbol) {
370                     n = i + 6;
371                 } else {
372                     n = i + 3;
373                 }
374                 if(n >= j) {
375                     for(int m = start; m < end; m++) {
376                         sBuffer += str[m];
377                     }
378                 } else {
379                     i = j;
380                     j = n;
381                     for(; n <= i; n += 3) {
382                         int start = order.GetAt(n - 2);
383                         int count1 = order.GetAt(n - 1);
384                         int end = start + count1 ;
385                         for(int m = start; m < end; m++) {
386                             sBuffer += str[m];
387                         }
388                     }
389                 }
390             }
391         }
392     } else {
393         int count = order.GetSize();
394         FX_BOOL bL2R = FALSE;
395         for(int j = 0; j < count; j += 3) {
396             int ret = order.GetAt(j + 2);
397             int start = order.GetAt(j);
398             int count1 = order.GetAt(j + 1);
399             if(ret == 2 || (j == 0 && ret == 0 && !bL2R)) {
400                 int i = j + 3;
401                 while(bR2L && i < count) {
402                     if(order.GetAt(i + 2) == 1) {
403                         break;
404                     } else {
405                         i += 3;
406                     }
407                 }
408                 if(i == 3) {
409                     j = -3;
410                     bL2R = TRUE;
411                     continue;
412                 }
413                 int end = str.GetLength() - 1;
414                 if(i < count) {
415                     end = order.GetAt(i) - 1;
416                 }
417                 j = i - 3;
418                 for(int n = end; n >= start; n--) {
419                     NormalizeCompositeChar(str[i], sBuffer);
420                 }
421             } else {
422                 int end = start + count1 ;
423                 for(int i = start; i < end; i++) {
424                     sBuffer += str[i];
425                 }
426             }
427         }
428     }
429     str.Empty();
430     str += sBuffer;
431     BidiChar->Release();
432 }
433 static FX_BOOL IsNumber(CFX_WideString& str)
434 {
435     for (int i = 0; i < str.GetLength(); i ++) {
436         FX_WCHAR ch = str[i];
437         if ((ch < '0' || ch > '9') && ch != '-' && ch != '+' && ch != '.' && ch != ' ') {
438             return FALSE;
439         }
440     }
441     return TRUE;
442 }
443 void CTextPage::FindColumns()
444 {
445     int i;
446     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
447         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
448         for (int j = 0; j < pBaseLine->m_TextList.GetSize(); j ++) {
449             CTextBox* pTextBox = (CTextBox*)pBaseLine->m_TextList.GetAt(j);
450             CTextColumn* pColumn = FindColumn(pTextBox->m_Right);
451             if (pColumn == NULL) {
452                 pColumn = FX_NEW CTextColumn;
453                 if (pColumn) {
454                     pColumn->m_Count = 1;
455                     pColumn->m_AvgPos = pTextBox->m_Right;
456                     pColumn->m_TextPos = -1;
457                     m_TextColumns.Add(pColumn);
458                 }
459             } else {
460                 pColumn->m_AvgPos = (pColumn->m_Count * pColumn->m_AvgPos + pTextBox->m_Right) /
461                                     (pColumn->m_Count + 1);
462                 pColumn->m_Count ++;
463             }
464         }
465     }
466     int mincount = m_BaseLines.GetSize() / 4;
467     for (i = 0; i < m_TextColumns.GetSize(); i ++) {
468         CTextColumn* pTextColumn = (CTextColumn*)m_TextColumns.GetAt(i);
469         if (pTextColumn->m_Count >= mincount) {
470             continue;
471         }
472         delete pTextColumn;
473         m_TextColumns.RemoveAt(i);
474         i --;
475     }
476     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
477         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
478         for (int j = 0; j < pBaseLine->m_TextList.GetSize(); j ++) {
479             CTextBox* pTextBox = (CTextBox*)pBaseLine->m_TextList.GetAt(j);
480             if (IsNumber(pTextBox->m_Text)) {
481                 pTextBox->m_pColumn = FindColumn(pTextBox->m_Right);
482             }
483         }
484     }
485 }
486 CTextColumn* CTextPage::FindColumn(FX_FLOAT xpos)
487 {
488     for (int i = 0; i < m_TextColumns.GetSize(); i ++) {
489         CTextColumn* pColumn = (CTextColumn*)m_TextColumns.GetAt(i);
490         if (pColumn->m_AvgPos < xpos + 1 && pColumn->m_AvgPos > xpos - 1) {
491             return pColumn;
492         }
493     }
494     return NULL;
495 }
496 void CTextPage::BreakSpace(CPDF_TextObject* pTextObj)
497 {
498 }
499 CTextBaseLine::CTextBaseLine()
500 {
501     m_Top = -100000;
502     m_Bottom = 100000;
503     m_MaxFontSizeV = 0;
504 }
505 CTextBaseLine::~CTextBaseLine()
506 {
507     for (int i = 0; i < m_TextList.GetSize(); i ++) {
508         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
509         delete pText;
510     }
511 }
512 void CTextBaseLine::InsertTextBox(FX_FLOAT leftx, FX_FLOAT rightx, FX_FLOAT topy, FX_FLOAT bottomy,
513                                   FX_FLOAT spacew, FX_FLOAT fontsize_v, const CFX_WideString& text)
514 {
515     if (m_Top < topy) {
516         m_Top = topy;
517     }
518     if (m_Bottom > bottomy) {
519         m_Bottom = bottomy;
520     }
521     if (m_MaxFontSizeV < fontsize_v) {
522         m_MaxFontSizeV = fontsize_v;
523     }
524     int i;
525     for (i = 0; i < m_TextList.GetSize(); i ++) {
526         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
527         if (pText->m_Left > leftx) {
528             break;
529         }
530     }
531     CTextBox* pText = FX_NEW CTextBox;
532     if (NULL == pText) {
533         return;
534     }
535     pText->m_Text = text;
536     pText->m_Left = leftx;
537     pText->m_Right = rightx;
538     pText->m_Top = topy;
539     pText->m_Bottom = bottomy;
540     pText->m_SpaceWidth = spacew;
541     pText->m_FontSizeV = fontsize_v;
542     pText->m_pColumn = NULL;
543     m_TextList.InsertAt(i, pText);
544 }
545 FX_BOOL GetIntersection(FX_FLOAT low1, FX_FLOAT high1, FX_FLOAT low2, FX_FLOAT high2,
546                         FX_FLOAT& interlow, FX_FLOAT& interhigh);
547 FX_BOOL CTextBaseLine::CanMerge(CTextBaseLine* pOther)
548 {
549     FX_FLOAT inter_top, inter_bottom;
550     if (!GetIntersection(m_Bottom, m_Top, pOther->m_Bottom, pOther->m_Top,
551                          inter_bottom, inter_top)) {
552         return FALSE;
553     }
554     FX_FLOAT inter_h = inter_top - inter_bottom;
555     if (inter_h < (m_Top - m_Bottom) / 2 && inter_h < (pOther->m_Top - pOther->m_Bottom) / 2) {
556         return FALSE;
557     }
558     FX_FLOAT dy = (FX_FLOAT)FXSYS_fabs(m_BaseLine - pOther->m_BaseLine);
559     for (int i = 0; i < m_TextList.GetSize(); i ++) {
560         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
561         for (int j = 0; j < pOther->m_TextList.GetSize(); j ++) {
562             CTextBox* pOtherText = (CTextBox*)pOther->m_TextList.GetAt(j);
563             FX_FLOAT inter_left, inter_right;
564             if (!GetIntersection(pText->m_Left, pText->m_Right,
565                                  pOtherText->m_Left, pOtherText->m_Right, inter_left, inter_right)) {
566                 continue;
567             }
568             FX_FLOAT inter_w = inter_right - inter_left;
569             if (inter_w < pText->m_SpaceWidth / 2 && inter_w < pOtherText->m_SpaceWidth / 2) {
570                 continue;
571             }
572             if (dy >= (pText->m_Bottom - pText->m_Top) / 2 ||
573                     dy >= (pOtherText->m_Bottom - pOtherText->m_Top) / 2) {
574                 return FALSE;
575             }
576         }
577     }
578     return TRUE;
579 }
580 void CTextBaseLine::Merge(CTextBaseLine* pOther)
581 {
582     for (int i = 0; i < pOther->m_TextList.GetSize(); i ++) {
583         CTextBox* pText = (CTextBox*)pOther->m_TextList.GetAt(i);
584         InsertTextBox(pText->m_Left, pText->m_Right, pText->m_Top, pText->m_Bottom,
585                       pText->m_SpaceWidth, pText->m_FontSizeV, pText->m_Text);
586     }
587 }
588 FX_BOOL CTextBaseLine::GetWidth(FX_FLOAT& leftx, FX_FLOAT& rightx)
589 {
590     int i;
591     for (i = 0; i < m_TextList.GetSize(); i ++) {
592         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
593         if (pText->m_Text != L" ") {
594             break;
595         }
596     }
597     if (i == m_TextList.GetSize()) {
598         return FALSE;
599     }
600     CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
601     leftx = pText->m_Left;
602     for (i = m_TextList.GetSize() - 1; i >= 0; i --) {
603         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
604         if (pText->m_Text != L" ") {
605             break;
606         }
607     }
608     pText = (CTextBox*)m_TextList.GetAt(i);
609     rightx = pText->m_Right;
610     return TRUE;
611 }
612 void CTextBaseLine::MergeBoxes()
613 {
614     int i = 0;
615     while (1) {
616         if (i >= m_TextList.GetSize() - 1) {
617             break;
618         }
619         CTextBox* pThisText = (CTextBox*)m_TextList.GetAt(i);
620         CTextBox* pNextText = (CTextBox*)m_TextList.GetAt(i + 1);
621         FX_FLOAT dx = pNextText->m_Left - pThisText->m_Right;
622         FX_FLOAT spacew = (pThisText->m_SpaceWidth == 0.0) ?
623                           pNextText->m_SpaceWidth : pThisText->m_SpaceWidth;
624         if (spacew > 0.0 && dx < spacew * 2) {
625             pThisText->m_Right = pNextText->m_Right;
626             if (dx > spacew * 1.5) {
627                 pThisText->m_Text += L"  ";
628             } else if (dx > spacew / 3) {
629                 pThisText->m_Text += L' ';
630             }
631             pThisText->m_Text += pNextText->m_Text;
632             pThisText->m_SpaceWidth = pNextText->m_SpaceWidth == 0.0 ?
633                                       spacew : pNextText->m_SpaceWidth;
634             m_TextList.RemoveAt(i + 1);
635             delete pNextText;
636         } else {
637             i ++;
638         }
639     }
640 }
641 void CTextBaseLine::WriteOutput(CFX_WideString& str, FX_FLOAT leftx, FX_FLOAT pagewidth,
642                                 int iTextWidth)
643 {
644     int lastpos = -1;
645     for (int i = 0; i < m_TextList.GetSize(); i ++) {
646         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
647         int xpos;
648         if (pText->m_pColumn) {
649             xpos = (int)((pText->m_pColumn->m_AvgPos - leftx) * iTextWidth / pagewidth + 0.5);
650             xpos -= pText->m_Text.GetLength();
651         } else {
652             xpos = (int)((pText->m_Left - leftx) * iTextWidth / pagewidth + 0.5);
653         }
654         if (xpos <= lastpos) {
655             xpos = lastpos + 1;
656         }
657         for (int j = lastpos + 1; j < xpos; j ++) {
658             str += ' ';
659         }
660         CFX_WideString sSrc(pText->m_Text);
661         NormalizeString(sSrc);
662         str += sSrc;
663         str += ' ';
664         lastpos = xpos + pText->m_Text.GetLength();
665     }
666 }
667 void CTextBaseLine::CountChars(int& count, FX_FLOAT& width, int& minchars)
668 {
669     minchars = 0;
670     for (int i = 0; i < m_TextList.GetSize(); i ++) {
671         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
672         if (pText->m_Right - pText->m_Left < 0.002) {
673             continue;
674         }
675         count += pText->m_Text.GetLength();
676         width += pText->m_Right - pText->m_Left;
677         minchars += pText->m_Text.GetLength() + 1;
678     }
679 }
680 #define PI 3.1415926535897932384626433832795
681 static void CheckRotate(CPDF_Page& page, CFX_FloatRect& page_bbox)
682 {
683     int total_count = 0, rotated_count[3] = {0, 0, 0};
684     FX_POSITION pos = page.GetFirstObjectPosition();
685     while (pos) {
686         CPDF_PageObject* pObj = page.GetNextObject(pos);
687         if (pObj->m_Type != PDFPAGE_TEXT) {
688             continue;
689         }
690         total_count ++;
691         CPDF_TextObject* pText = (CPDF_TextObject*)pObj;
692         FX_FLOAT angle = pText->m_TextState.GetBaselineAngle();
693         if (angle == 0.0) {
694             continue;
695         }
696         int degree = (int)(angle * 180 / PI + 0.5);
697         if (degree % 90) {
698             continue;
699         }
700         if (degree < 0) {
701             degree += 360;
702         }
703         int index = degree / 90 % 3 - 1;
704         if (index < 0) {
705             continue;
706         }
707         rotated_count[index] ++;
708     }
709     if (total_count == 0) {
710         return;
711     }
712     CFX_AffineMatrix matrix;
713     if (rotated_count[0] > total_count * 2 / 3) {
714         matrix.Set(0, -1, 1, 0, 0, page.GetPageHeight());
715     } else if (rotated_count[1] > total_count * 2 / 3) {
716         matrix.Set(-1, 0, 0, -1, page.GetPageWidth(), page.GetPageHeight());
717     } else if (rotated_count[2] > total_count * 2 / 3) {
718         matrix.Set(0, 1, -1, 0, page.GetPageWidth(), 0);
719     } else {
720         return;
721     }
722     page.Transform(matrix);
723     page_bbox.Transform(&matrix);
724 }
725 void PDF_GetPageText_Unicode(CFX_WideStringArray& lines, CPDF_Document* pDoc, CPDF_Dictionary* pPage,
726                              int iMinWidth, FX_DWORD flags)
727 {
728     lines.RemoveAll();
729     if (pPage == NULL) {
730         return;
731     }
732     CPDF_Page page;
733     page.Load(pDoc, pPage);
734     CPDF_ParseOptions options;
735     options.m_bTextOnly = TRUE;
736     options.m_bSeparateForm = FALSE;
737     page.ParseContent(&options);
738     CFX_FloatRect page_bbox = page.GetPageBBox();
739     if (flags & PDF2TXT_AUTO_ROTATE) {
740         CheckRotate(page, page_bbox);
741     }
742     CTextPage texts;
743     texts.m_bAutoWidth = flags & PDF2TXT_AUTO_WIDTH;
744     texts.m_bKeepColumn = flags & PDF2TXT_KEEP_COLUMN;
745     texts.m_bBreakSpace = TRUE;
746     FX_POSITION pos = page.GetFirstObjectPosition();
747     while (pos) {
748         CPDF_PageObject* pObject = page.GetNextObject(pos);
749         if (!(flags & PDF2TXT_INCLUDE_INVISIBLE)) {
750             CFX_FloatRect rect(pObject->m_Left, pObject->m_Bottom, pObject->m_Right, pObject->m_Top);
751             if (!page_bbox.Contains(rect)) {
752                 continue;
753             }
754         }
755         texts.ProcessObject(pObject);
756     }
757     texts.WriteOutput(lines, iMinWidth);
758 }
759 void PDF_GetPageText(CFX_ByteStringArray& lines, CPDF_Document* pDoc, CPDF_Dictionary* pPage,
760                      int iMinWidth, FX_DWORD flags)
761 {
762     lines.RemoveAll();
763     CFX_WideStringArray wlines;
764     PDF_GetPageText_Unicode(wlines, pDoc, pPage, iMinWidth, flags);
765     for (int i = 0; i < wlines.GetSize(); i ++) {
766         CFX_WideString wstr = wlines[i];
767         CFX_ByteString str;
768         for (int c = 0; c < wstr.GetLength(); c ++) {
769             str += CharFromUnicodeAlt(wstr[c], FXSYS_GetACP(), "?");
770         }
771         lines.Add(str);
772     }
773 }
774 extern void _PDF_GetTextStream_Unicode(CFX_WideTextBuf& buffer, CPDF_PageObjects* pPage, FX_BOOL bUseLF,
775                                        CFX_PtrArray* pObjArray);
776 void PDF_GetTextStream_Unicode(CFX_WideTextBuf& buffer, CPDF_Document* pDoc, CPDF_Dictionary* pPage, FX_DWORD flags)
777 {
778     buffer.EstimateSize(0, 10240);
779     CPDF_Page page;
780     page.Load(pDoc, pPage);
781     CPDF_ParseOptions options;
782     options.m_bTextOnly = TRUE;
783     options.m_bSeparateForm = FALSE;
784     page.ParseContent(&options);
785     _PDF_GetTextStream_Unicode(buffer, &page, TRUE, NULL);
786 }