Merge to XFA: Add safe FX_Alloc2D() macro
[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)(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 }
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         if (widths) {
230             for (i = 0; i < m_BaseLines.GetSize(); i ++) {
231                 widths[i] = 0;
232                 CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
233                 int TotalChars = 0;
234                 FX_FLOAT TotalWidth = 0;
235                 int minchars;
236                 pBaseLine->CountChars(TotalChars, TotalWidth, minchars);
237                 if (TotalChars) {
238                     FX_FLOAT charwidth = TotalWidth / TotalChars;
239                     widths[i] = (int)((MaxRightX - MinLeftX) / charwidth);
240                 }
241                 if (widths[i] > 1000) {
242                     widths[i] = 1000;
243                 }
244                 if (widths[i] < minchars) {
245                     widths[i] = minchars;
246                 }
247             }
248             int AvgWidth = 0, widthcount = 0;
249             for (i = 0; i < m_BaseLines.GetSize(); i ++)
250                 if (widths[i]) {
251                     AvgWidth += widths[i];
252                     widthcount ++;
253                 }
254             AvgWidth = int((FX_FLOAT)AvgWidth / widthcount + 0.5);
255             int MaxWidth = 0;
256             for (i = 0; i < m_BaseLines.GetSize(); i ++)
257                 if (MaxWidth < widths[i]) {
258                     MaxWidth = widths[i];
259                 }
260             if (MaxWidth > AvgWidth * 6 / 5) {
261                 MaxWidth = AvgWidth * 6 / 5;
262             }
263             FX_Free(widths);
264             if (iMinWidth < MaxWidth) {
265                 iMinWidth = MaxWidth;
266             }
267         }
268     }
269     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
270         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
271         pBaseLine->MergeBoxes();
272     }
273     if (m_bKeepColumn) {
274         FindColumns();
275     }
276     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
277         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
278         if (lastheight >= 0) {
279             FX_FLOAT dy = lastbaseline - pBaseLine->m_BaseLine;
280             if (dy >= (pBaseLine->m_MaxFontSizeV) * 1.5 || dy >= lastheight * 1.5) {
281                 lines.Add(L"");
282             }
283         }
284         lastheight = pBaseLine->m_MaxFontSizeV;
285         lastbaseline = pBaseLine->m_BaseLine;
286         CFX_WideString str;
287         pBaseLine->WriteOutput(str, MinLeftX, MaxRightX - MinLeftX, iMinWidth);
288         lines.Add(str);
289     }
290 }
291 void NormalizeCompositeChar(FX_WCHAR wChar, CFX_WideString& sDest)
292 {
293     wChar = FX_GetMirrorChar(wChar, TRUE, FALSE);
294     FX_LPWSTR pDst = NULL;
295     FX_STRSIZE nCount = FX_Unicode_GetNormalization(wChar, pDst);
296     if (nCount < 1 ) {
297         sDest += wChar;
298         return;
299     }
300     pDst = new FX_WCHAR[nCount];
301     FX_Unicode_GetNormalization(wChar, pDst);
302     for (int nIndex = 0; nIndex < nCount; nIndex++) {
303         sDest += pDst[nIndex];
304     }
305     delete[] pDst;
306 }
307 void NormalizeString(CFX_WideString& str)
308 {
309     if (str.GetLength() <= 0) {
310         return;
311     }
312     CFX_WideString sBuffer;
313     IFX_BidiChar* BidiChar = IFX_BidiChar::Create();
314     if (NULL == BidiChar)       {
315         return;
316     }
317     CFX_WordArray order;
318     FX_BOOL bR2L = FALSE;
319     FX_INT32 start = 0, count = 0, i = 0;
320     int nR2L = 0, nL2R = 0;
321     for (i = 0; i < str.GetLength(); i++) {
322         if(BidiChar->AppendChar(str.GetAt(i))) {
323             FX_INT32 ret = BidiChar->GetBidiInfo(start, count);
324             order.Add(start);
325             order.Add(count);
326             order.Add(ret);
327             if(!bR2L) {
328                 if(ret == 2) {
329                     nR2L++;
330                 } else if (ret == 1) {
331                     nL2R++;
332                 }
333             }
334         }
335     }
336     if(BidiChar->EndChar()) {
337         FX_INT32 ret = BidiChar->GetBidiInfo(start, count);
338         order.Add(start);
339         order.Add(count);
340         order.Add(ret);
341         if(!bR2L) {
342             if(ret == 2) {
343                 nR2L++;
344             } else if(ret == 1) {
345                 nL2R++;
346             }
347         }
348     }
349     if(nR2L > 0 && nR2L >= nL2R) {
350         bR2L = TRUE;
351     }
352     if(bR2L) {
353         int count = order.GetSize();
354         for(int j = count - 1; j > 0; j -= 3) {
355             int ret = order.GetAt(j);
356             int start = order.GetAt(j - 2);
357             int count1 = order.GetAt(j - 1);
358             if(ret == 2 || ret == 0) {
359                 for(int i = start + count1 - 1; i >= start; i--) {
360                     NormalizeCompositeChar(str[i], sBuffer);
361                 }
362             } else {
363                 i = j;
364                 FX_BOOL bSymbol = FALSE;
365                 while(i > 0 && order.GetAt(i) != 2) {
366                     bSymbol = !order.GetAt(i);
367                     i -= 3;
368                 }
369                 int end = start + count1 ;
370                 int n = 0;
371                 if(bSymbol) {
372                     n = i + 6;
373                 } else {
374                     n = i + 3;
375                 }
376                 if(n >= j) {
377                     for(int m = start; m < end; m++) {
378                         sBuffer += str[m];
379                     }
380                 } else {
381                     i = j;
382                     j = n;
383                     for(; n <= i; n += 3) {
384                         int start = order.GetAt(n - 2);
385                         int count1 = order.GetAt(n - 1);
386                         int end = start + count1 ;
387                         for(int m = start; m < end; m++) {
388                             sBuffer += str[m];
389                         }
390                     }
391                 }
392             }
393         }
394     } else {
395         int count = order.GetSize();
396         FX_BOOL bL2R = FALSE;
397         for(int j = 0; j < count; j += 3) {
398             int ret = order.GetAt(j + 2);
399             int start = order.GetAt(j);
400             int count1 = order.GetAt(j + 1);
401             if(ret == 2 || (j == 0 && ret == 0 && !bL2R)) {
402                 int i = j + 3;
403                 while(bR2L && i < count) {
404                     if(order.GetAt(i + 2) == 1) {
405                         break;
406                     } else {
407                         i += 3;
408                     }
409                 }
410                 if(i == 3) {
411                     j = -3;
412                     bL2R = TRUE;
413                     continue;
414                 }
415                 int end = str.GetLength() - 1;
416                 if(i < count) {
417                     end = order.GetAt(i) - 1;
418                 }
419                 j = i - 3;
420                 for(int n = end; n >= start; n--) {
421                     NormalizeCompositeChar(str[i], sBuffer);
422                 }
423             } else {
424                 int end = start + count1 ;
425                 for(int i = start; i < end; i++) {
426                     sBuffer += str[i];
427                 }
428             }
429         }
430     }
431     str.Empty();
432     str += sBuffer;
433     BidiChar->Release();
434 }
435 static FX_BOOL IsNumber(CFX_WideString& str)
436 {
437     for (int i = 0; i < str.GetLength(); i ++) {
438         FX_WCHAR ch = str[i];
439         if ((ch < '0' || ch > '9') && ch != '-' && ch != '+' && ch != '.' && ch != ' ') {
440             return FALSE;
441         }
442     }
443     return TRUE;
444 }
445 void CTextPage::FindColumns()
446 {
447     int i;
448     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
449         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
450         for (int j = 0; j < pBaseLine->m_TextList.GetSize(); j ++) {
451             CTextBox* pTextBox = (CTextBox*)pBaseLine->m_TextList.GetAt(j);
452             CTextColumn* pColumn = FindColumn(pTextBox->m_Right);
453             if (pColumn == NULL) {
454                 pColumn = FX_NEW CTextColumn;
455                 if (pColumn) {
456                     pColumn->m_Count = 1;
457                     pColumn->m_AvgPos = pTextBox->m_Right;
458                     pColumn->m_TextPos = -1;
459                     m_TextColumns.Add(pColumn);
460                 }
461             } else {
462                 pColumn->m_AvgPos = (pColumn->m_Count * pColumn->m_AvgPos + pTextBox->m_Right) /
463                                     (pColumn->m_Count + 1);
464                 pColumn->m_Count ++;
465             }
466         }
467     }
468     int mincount = m_BaseLines.GetSize() / 4;
469     for (i = 0; i < m_TextColumns.GetSize(); i ++) {
470         CTextColumn* pTextColumn = (CTextColumn*)m_TextColumns.GetAt(i);
471         if (pTextColumn->m_Count >= mincount) {
472             continue;
473         }
474         delete pTextColumn;
475         m_TextColumns.RemoveAt(i);
476         i --;
477     }
478     for (i = 0; i < m_BaseLines.GetSize(); i ++) {
479         CTextBaseLine* pBaseLine = (CTextBaseLine*)m_BaseLines.GetAt(i);
480         for (int j = 0; j < pBaseLine->m_TextList.GetSize(); j ++) {
481             CTextBox* pTextBox = (CTextBox*)pBaseLine->m_TextList.GetAt(j);
482             if (IsNumber(pTextBox->m_Text)) {
483                 pTextBox->m_pColumn = FindColumn(pTextBox->m_Right);
484             }
485         }
486     }
487 }
488 CTextColumn* CTextPage::FindColumn(FX_FLOAT xpos)
489 {
490     for (int i = 0; i < m_TextColumns.GetSize(); i ++) {
491         CTextColumn* pColumn = (CTextColumn*)m_TextColumns.GetAt(i);
492         if (pColumn->m_AvgPos < xpos + 1 && pColumn->m_AvgPos > xpos - 1) {
493             return pColumn;
494         }
495     }
496     return NULL;
497 }
498 void CTextPage::BreakSpace(CPDF_TextObject* pTextObj)
499 {
500 }
501 CTextBaseLine::CTextBaseLine()
502 {
503     m_Top = -100000;
504     m_Bottom = 100000;
505     m_MaxFontSizeV = 0;
506 }
507 CTextBaseLine::~CTextBaseLine()
508 {
509     for (int i = 0; i < m_TextList.GetSize(); i ++) {
510         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
511         delete pText;
512     }
513 }
514 void CTextBaseLine::InsertTextBox(FX_FLOAT leftx, FX_FLOAT rightx, FX_FLOAT topy, FX_FLOAT bottomy,
515                                   FX_FLOAT spacew, FX_FLOAT fontsize_v, const CFX_WideString& text)
516 {
517     if (m_Top < topy) {
518         m_Top = topy;
519     }
520     if (m_Bottom > bottomy) {
521         m_Bottom = bottomy;
522     }
523     if (m_MaxFontSizeV < fontsize_v) {
524         m_MaxFontSizeV = fontsize_v;
525     }
526     int i;
527     for (i = 0; i < m_TextList.GetSize(); i ++) {
528         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
529         if (pText->m_Left > leftx) {
530             break;
531         }
532     }
533     CTextBox* pText = FX_NEW CTextBox;
534     if (NULL == pText) {
535         return;
536     }
537     pText->m_Text = text;
538     pText->m_Left = leftx;
539     pText->m_Right = rightx;
540     pText->m_Top = topy;
541     pText->m_Bottom = bottomy;
542     pText->m_SpaceWidth = spacew;
543     pText->m_FontSizeV = fontsize_v;
544     pText->m_pColumn = NULL;
545     m_TextList.InsertAt(i, pText);
546 }
547 FX_BOOL GetIntersection(FX_FLOAT low1, FX_FLOAT high1, FX_FLOAT low2, FX_FLOAT high2,
548                         FX_FLOAT& interlow, FX_FLOAT& interhigh);
549 FX_BOOL CTextBaseLine::CanMerge(CTextBaseLine* pOther)
550 {
551     FX_FLOAT inter_top, inter_bottom;
552     if (!GetIntersection(m_Bottom, m_Top, pOther->m_Bottom, pOther->m_Top,
553                          inter_bottom, inter_top)) {
554         return FALSE;
555     }
556     FX_FLOAT inter_h = inter_top - inter_bottom;
557     if (inter_h < (m_Top - m_Bottom) / 2 && inter_h < (pOther->m_Top - pOther->m_Bottom) / 2) {
558         return FALSE;
559     }
560     FX_FLOAT dy = (FX_FLOAT)FXSYS_fabs(m_BaseLine - pOther->m_BaseLine);
561     for (int i = 0; i < m_TextList.GetSize(); i ++) {
562         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
563         for (int j = 0; j < pOther->m_TextList.GetSize(); j ++) {
564             CTextBox* pOtherText = (CTextBox*)pOther->m_TextList.GetAt(j);
565             FX_FLOAT inter_left, inter_right;
566             if (!GetIntersection(pText->m_Left, pText->m_Right,
567                                  pOtherText->m_Left, pOtherText->m_Right, inter_left, inter_right)) {
568                 continue;
569             }
570             FX_FLOAT inter_w = inter_right - inter_left;
571             if (inter_w < pText->m_SpaceWidth / 2 && inter_w < pOtherText->m_SpaceWidth / 2) {
572                 continue;
573             }
574             if (dy >= (pText->m_Bottom - pText->m_Top) / 2 ||
575                     dy >= (pOtherText->m_Bottom - pOtherText->m_Top) / 2) {
576                 return FALSE;
577             }
578         }
579     }
580     return TRUE;
581 }
582 void CTextBaseLine::Merge(CTextBaseLine* pOther)
583 {
584     for (int i = 0; i < pOther->m_TextList.GetSize(); i ++) {
585         CTextBox* pText = (CTextBox*)pOther->m_TextList.GetAt(i);
586         InsertTextBox(pText->m_Left, pText->m_Right, pText->m_Top, pText->m_Bottom,
587                       pText->m_SpaceWidth, pText->m_FontSizeV, pText->m_Text);
588     }
589 }
590 FX_BOOL CTextBaseLine::GetWidth(FX_FLOAT& leftx, FX_FLOAT& rightx)
591 {
592     int i;
593     for (i = 0; i < m_TextList.GetSize(); i ++) {
594         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
595         if (pText->m_Text != L" ") {
596             break;
597         }
598     }
599     if (i == m_TextList.GetSize()) {
600         return FALSE;
601     }
602     CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
603     leftx = pText->m_Left;
604     for (i = m_TextList.GetSize() - 1; i >= 0; i --) {
605         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
606         if (pText->m_Text != L" ") {
607             break;
608         }
609     }
610     pText = (CTextBox*)m_TextList.GetAt(i);
611     rightx = pText->m_Right;
612     return TRUE;
613 }
614 void CTextBaseLine::MergeBoxes()
615 {
616     int i = 0;
617     while (1) {
618         if (i >= m_TextList.GetSize() - 1) {
619             break;
620         }
621         CTextBox* pThisText = (CTextBox*)m_TextList.GetAt(i);
622         CTextBox* pNextText = (CTextBox*)m_TextList.GetAt(i + 1);
623         FX_FLOAT dx = pNextText->m_Left - pThisText->m_Right;
624         FX_FLOAT spacew = (pThisText->m_SpaceWidth == 0.0) ?
625                           pNextText->m_SpaceWidth : pThisText->m_SpaceWidth;
626         if (spacew > 0.0 && dx < spacew * 2) {
627             pThisText->m_Right = pNextText->m_Right;
628             if (dx > spacew * 1.5) {
629                 pThisText->m_Text += L"  ";
630             } else if (dx > spacew / 3) {
631                 pThisText->m_Text += L' ';
632             }
633             pThisText->m_Text += pNextText->m_Text;
634             pThisText->m_SpaceWidth = pNextText->m_SpaceWidth == 0.0 ?
635                                       spacew : pNextText->m_SpaceWidth;
636             m_TextList.RemoveAt(i + 1);
637             delete pNextText;
638         } else {
639             i ++;
640         }
641     }
642 }
643 void CTextBaseLine::WriteOutput(CFX_WideString& str, FX_FLOAT leftx, FX_FLOAT pagewidth,
644                                 int iTextWidth)
645 {
646     int lastpos = -1;
647     for (int i = 0; i < m_TextList.GetSize(); i ++) {
648         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
649         int xpos;
650         if (pText->m_pColumn) {
651             xpos = (int)((pText->m_pColumn->m_AvgPos - leftx) * iTextWidth / pagewidth + 0.5);
652             xpos -= pText->m_Text.GetLength();
653         } else {
654             xpos = (int)((pText->m_Left - leftx) * iTextWidth / pagewidth + 0.5);
655         }
656         if (xpos <= lastpos) {
657             xpos = lastpos + 1;
658         }
659         for (int j = lastpos + 1; j < xpos; j ++) {
660             str += ' ';
661         }
662         CFX_WideString sSrc(pText->m_Text);
663         NormalizeString(sSrc);
664         str += sSrc;
665         str += ' ';
666         lastpos = xpos + pText->m_Text.GetLength();
667     }
668 }
669 void CTextBaseLine::CountChars(int& count, FX_FLOAT& width, int& minchars)
670 {
671     minchars = 0;
672     for (int i = 0; i < m_TextList.GetSize(); i ++) {
673         CTextBox* pText = (CTextBox*)m_TextList.GetAt(i);
674         if (pText->m_Right - pText->m_Left < 0.002) {
675             continue;
676         }
677         count += pText->m_Text.GetLength();
678         width += pText->m_Right - pText->m_Left;
679         minchars += pText->m_Text.GetLength() + 1;
680     }
681 }
682 #define PI 3.1415926535897932384626433832795
683 static void CheckRotate(CPDF_Page& page, CFX_FloatRect& page_bbox)
684 {
685     int total_count = 0, rotated_count[3] = {0, 0, 0};
686     FX_POSITION pos = page.GetFirstObjectPosition();
687     while (pos) {
688         CPDF_PageObject* pObj = page.GetNextObject(pos);
689         if (pObj->m_Type != PDFPAGE_TEXT) {
690             continue;
691         }
692         total_count ++;
693         CPDF_TextObject* pText = (CPDF_TextObject*)pObj;
694         FX_FLOAT angle = pText->m_TextState.GetBaselineAngle();
695         if (angle == 0.0) {
696             continue;
697         }
698         int degree = (int)(angle * 180 / PI + 0.5);
699         if (degree % 90) {
700             continue;
701         }
702         if (degree < 0) {
703             degree += 360;
704         }
705         int index = degree / 90 % 3 - 1;
706         if (index < 0) {
707             continue;
708         }
709         rotated_count[index] ++;
710     }
711     if (total_count == 0) {
712         return;
713     }
714     CFX_AffineMatrix matrix;
715     if (rotated_count[0] > total_count * 2 / 3) {
716         matrix.Set(0, -1, 1, 0, 0, page.GetPageHeight());
717     } else if (rotated_count[1] > total_count * 2 / 3) {
718         matrix.Set(-1, 0, 0, -1, page.GetPageWidth(), page.GetPageHeight());
719     } else if (rotated_count[2] > total_count * 2 / 3) {
720         matrix.Set(0, 1, -1, 0, page.GetPageWidth(), 0);
721     } else {
722         return;
723     }
724     page.Transform(matrix);
725     page_bbox.Transform(&matrix);
726 }
727 void PDF_GetPageText_Unicode(CFX_WideStringArray& lines, CPDF_Document* pDoc, CPDF_Dictionary* pPage,
728                              int iMinWidth, FX_DWORD flags)
729 {
730     lines.RemoveAll();
731     if (pPage == NULL) {
732         return;
733     }
734     CPDF_Page page;
735     page.Load(pDoc, pPage);
736     CPDF_ParseOptions options;
737     options.m_bTextOnly = TRUE;
738     options.m_bSeparateForm = FALSE;
739     page.ParseContent(&options);
740     CFX_FloatRect page_bbox = page.GetPageBBox();
741     if (flags & PDF2TXT_AUTO_ROTATE) {
742         CheckRotate(page, page_bbox);
743     }
744     CTextPage texts;
745     texts.m_bAutoWidth = flags & PDF2TXT_AUTO_WIDTH;
746     texts.m_bKeepColumn = flags & PDF2TXT_KEEP_COLUMN;
747     texts.m_bBreakSpace = TRUE;
748     FX_POSITION pos = page.GetFirstObjectPosition();
749     while (pos) {
750         CPDF_PageObject* pObject = page.GetNextObject(pos);
751         if (!(flags & PDF2TXT_INCLUDE_INVISIBLE)) {
752             CFX_FloatRect rect(pObject->m_Left, pObject->m_Bottom, pObject->m_Right, pObject->m_Top);
753             if (!page_bbox.Contains(rect)) {
754                 continue;
755             }
756         }
757         texts.ProcessObject(pObject);
758     }
759     texts.WriteOutput(lines, iMinWidth);
760 }
761 void PDF_GetPageText(CFX_ByteStringArray& lines, CPDF_Document* pDoc, CPDF_Dictionary* pPage,
762                      int iMinWidth, FX_DWORD flags)
763 {
764     lines.RemoveAll();
765     CFX_WideStringArray wlines;
766     PDF_GetPageText_Unicode(wlines, pDoc, pPage, iMinWidth, flags);
767     for (int i = 0; i < wlines.GetSize(); i ++) {
768         CFX_WideString wstr = wlines[i];
769         CFX_ByteString str;
770         for (int c = 0; c < wstr.GetLength(); c ++) {
771             str += CharFromUnicodeAlt(wstr[c], FXSYS_GetACP(), "?");
772         }
773         lines.Add(str);
774     }
775 }
776 extern void _PDF_GetTextStream_Unicode(CFX_WideTextBuf& buffer, CPDF_PageObjects* pPage, FX_BOOL bUseLF,
777                                        CFX_PtrArray* pObjArray);
778 void PDF_GetTextStream_Unicode(CFX_WideTextBuf& buffer, CPDF_Document* pDoc, CPDF_Dictionary* pPage, FX_DWORD flags)
779 {
780     buffer.EstimateSize(0, 10240);
781     CPDF_Page page;
782     page.Load(pDoc, pPage);
783     CPDF_ParseOptions options;
784     options.m_bTextOnly = TRUE;
785     options.m_bSeparateForm = FALSE;
786     page.ParseContent(&options);
787     _PDF_GetTextStream_Unicode(buffer, &page, TRUE, NULL);
788 }