Android中PDF目录，搜索（包含中文），文字选择，高亮等实现

最近折腾了一个Android平台上PDF解析的一个项目，涉及到PDF中一些常见的问题，例如PDF的目录，搜索（包含中文），文字选择，高亮等实现，先借此地分享一下自己的一些成果。

参考文档

Adobe的官方文档 

https://resources.infosecinstitute.com/pdf-file-format-basic-structure/#gref

参考项目

Mupdf  http://www.mupdf.com/

APV http://code.google.com/p/apv/

APV是基于Mupdf做了一个英文搜索以及显示方面的优化。

本文也主要基于Mupdf对各种模块进行相关的分析。

PDF的GUI分析工具

Voyeur https://github.com/below/PDF-Voyeur  它能帮你从繁杂的pdf spec中解脱出来，比较直观地了解PDF的内部结构，貌似只有Mac版的。。

 

Mupdf中的一些基础类
fz_obj  使用一个内联结构体代表了PDF中的基本数据类型
PDF支持8种基本对象类型为：布尔值，整型和浮点数(real numbers)，字符串，名字，数组，词典，流，空对象

 

PDF目录

mupdf.h中目录的定义

struct pdf_outline_s
{
	char *title;
	pdf_link *link;
	int count;
	pdf_outline *child;
	pdf_outline *next;
};

 

 

Voyeur中目录的层级结构

 

Outlines节点为目录的跟节点，它包含的信息为目录的其实页的字典编号以及尾页的字典编号。 /Count为与First节点平行的节点数目（不过看C++ Primer这边书怎么数都不是39）。

<<

  /First dictionary

  /Count 39

  /Last dictionary

>>

其中

/Title对应pdf_outline_s中的 *title

/First /Last 对应 *child

/Next 对应 *next

/Dest 对应 *link ，想知道当前的目录对应于PDF中的哪一页，需要用到此结构 （不同PDF版本此结构有差异，有兴趣的可以自己找找，mupdf适配了不同的差异）

 

 

获取pdf_outline的方法

 

pdf_outline *outline = pdf_load_outline(xref);

//获取pdf当前目录对应的页码,需要遍历outline，将outline->link->dest中的refrence与交叉应用表中的page refrence做一个比较。
int currentPageNum = 0;
while (outline) {
for (currentPageNum; currentPageNum < totalPages; currentPageNum++) {
	if (fz_is_array(outline->link->dest)) {
		if (fz_objcmp(pdf_resolve_indirect(fz_array_get(outline->link->dest, 0)),
						xref->page_objs[currentPageNum]) == 0) {
			//currentPageNum为当前outline对应的pdf页码（从0开始）
			LOGE("Got the outline page %d", currentPageNum);
			break;
		}
	}
}
outline = outline->next;
}

 

 

搜索（包含中文）
文字选择
文字高亮
（待续。。）

 

 

 

 

先上一个XOOM平板上的选择效果。可以拖动前后的大头针重新选择区域。