← Back to branch summary

~ubuntu-branches/ubuntu/vivid/emscripten/vivid

« back to all changes in this revision

Viewing changes to tests/poppler/utils/pdftohtml.cc

  • Committer: Package Import Robot
  • Author(s): Sylvestre Ledru
  • Date: 2013-05-02 13:11:51 UTC
  • Revision ID: package-import@ubuntu.com-20130502131151-q8dvteqr1ef2x7xz
Tags: upstream-1.4.1~20130504~adb56cb
Import upstream version 1.4.1~20130504~adb56cb

Show diffs side-by-side

added added

removed removed

Lines of Context:
tests/poppler/utils/pdftohtml.cc
 
1
//========================================================================
 
2
//
 
3
// pdftohtml.cc
 
4
//
 
5
//
 
6
// Copyright 1999-2000 G. Ovtcharov
 
7
//========================================================================
 
8
 
 
9
//========================================================================
 
10
//
 
11
// Modified under the Poppler project - http://poppler.freedesktop.org
 
12
//
 
13
// All changes made under the Poppler project to this file are licensed
 
14
// under GPL version 2 or later
 
15
//
 
16
// Copyright (C) 2007-2008, 2010 Albert Astals Cid <aacid@kde.org>
 
17
// Copyright (C) 2010 Hib Eris <hib@hiberis.nl>
 
18
// Copyright (C) 2010 Mike Slegeir <tehpola@yahoo.com>
 
19
// Copyright (C) 2010 Suzuki Toshiya <mpsuzuki@hiroshima-u.ac.jp>
 
20
// Copyright (C) 2010 OSSD CDAC Mumbai by Leena Chourey (leenac@cdacmumbai.in) and Onkar Potdar (onkar@cdacmumbai.in)
 
21
//
 
22
// To see a description of the changes please see the Changelog file that
 
23
// came with your tarball or type make ChangeLog if you are building from git
 
24
//
 
25
//========================================================================
 
26
 
 
27
#include "config.h"
 
28
#include <poppler-config.h>
 
29
#include <stdio.h>
 
30
#include <stdlib.h>
 
31
#include <stddef.h>
 
32
#include <string.h>
 
33
#ifdef HAVE_DIRENT_H
 
34
#include <dirent.h>
 
35
#endif
 
36
#include <time.h>
 
37
#include "parseargs.h"
 
38
#include "goo/GooString.h"
 
39
#include "goo/gmem.h"
 
40
#include "Object.h"
 
41
#include "Stream.h"
 
42
#include "Array.h"
 
43
#include "Dict.h"
 
44
#include "XRef.h"
 
45
#include "Catalog.h"
 
46
#include "Page.h"
 
47
#include "PDFDoc.h"
 
48
#include "PDFDocFactory.h"
 
49
#include "HtmlOutputDev.h"
 
50
#ifdef HAVE_SPLASH
 
51
#include "SplashOutputDev.h"
 
52
#include "splash/SplashBitmap.h"
 
53
#endif
 
54
#include "PSOutputDev.h"
 
55
#include "GlobalParams.h"
 
56
#include "Error.h"
 
57
#include "DateInfo.h"
 
58
#include "goo/gfile.h"
 
59
 
 
60
#ifndef GHOSTSCRIPT
 
61
# define GHOSTSCRIPT "gs"
 
62
#endif
 
63
 
 
64
static int firstPage = 1;
 
65
static int lastPage = 0;
 
66
static GBool rawOrder = gTrue;
 
67
GBool printCommands = gTrue;
 
68
static GBool printHelp = gFalse;
 
69
GBool printHtml = gFalse;
 
70
GBool complexMode=gFalse;
 
71
GBool singleHtml=gFalse; // singleHtml
 
72
GBool ignore=gFalse;
 
73
static GBool useSplash=gTrue;
 
74
static char extension[5]="png";
 
75
static double scale=1.5;
 
76
GBool noframes=gFalse;
 
77
GBool stout=gFalse;
 
78
GBool xml=gFalse;
 
79
static GBool errQuiet=gFalse;
 
80
static GBool noDrm=gFalse;
 
81
 
 
82
GBool showHidden = gFalse;
 
83
GBool noMerge = gFalse;
 
84
static char ownerPassword[33] = "";
 
85
static char userPassword[33] = "";
 
86
static char gsDevice[33] = "none";
 
87
static GBool printVersion = gFalse;
 
88
 
 
89
static GooString* getInfoString(Dict *infoDict, char *key);
 
90
static GooString* getInfoDate(Dict *infoDict, char *key);
 
91
 
 
92
static char textEncName[128] = "";
 
93
 
 
94
static const ArgDesc argDesc[] = {
 
95
  {"-f",      argInt,      &firstPage,     0,
 
96
   "first page to convert"},
 
97
  {"-l",      argInt,      &lastPage,      0,
 
98
   "last page to convert"},
 
99
  /*{"-raw",    argFlag,     &rawOrder,      0,
 
100
    "keep strings in content stream order"},*/
 
101
  {"-q",      argFlag,     &errQuiet,      0,
 
102
   "don't print any messages or errors"},
 
103
  {"-h",      argFlag,     &printHelp,     0,
 
104
   "print usage information"},
 
105
  {"-help",   argFlag,     &printHelp,     0,
 
106
   "print usage information"},
 
107
  {"-p",      argFlag,     &printHtml,     0,
 
108
   "exchange .pdf links by .html"}, 
 
109
  {"-c",      argFlag,     &complexMode,          0,
 
110
   "generate complex document"},
 
111
  {"-s",      argFlag,     &singleHtml,          0,
 
112
   "generate single document that includes all pages"},
 
113
  {"-i",      argFlag,     &ignore,        0,
 
114
   "ignore images"},
 
115
  {"-noframes", argFlag,   &noframes,      0,
 
116
   "generate no frames"},
 
117
  {"-stdout"  ,argFlag,    &stout,         0,
 
118
   "use standard output"},
 
119
  {"-zoom",   argFP,    &scale,         0,
 
120
   "zoom the pdf document (default 1.5)"},
 
121
  {"-xml",    argFlag,    &xml,         0,
 
122
   "output for XML post-processing"},
 
123
  {"-hidden", argFlag,   &showHidden,   0,
 
124
   "output hidden text"},
 
125
  {"-nomerge", argFlag, &noMerge, 0,
 
126
   "do not merge paragraphs"},   
 
127
  {"-enc",    argString,   textEncName,    sizeof(textEncName),
 
128
   "output text encoding name"},
 
129
  {"-dev",    argString,   gsDevice,       sizeof(gsDevice),
 
130
   "output device name for Ghostscript (png16m, jpeg etc)"},
 
131
  {"-fmt",    argString,   extension,      sizeof(extension),
 
132
   "image file format for Splash output (png or jpg)"},
 
133
  {"-v",      argFlag,     &printVersion,  0,
 
134
   "print copyright and version info"},
 
135
  {"-opw",    argString,   ownerPassword,  sizeof(ownerPassword),
 
136
   "owner password (for encrypted files)"},
 
137
  {"-upw",    argString,   userPassword,   sizeof(userPassword),
 
138
   "user password (for encrypted files)"},
 
139
  {"-nodrm", argFlag, &noDrm, 0,
 
140
   "override document DRM settings"},
 
141
  {NULL}
 
142
};
 
143
 
 
144
#ifdef HAVE_SPLASH
 
145
class SplashOutputDevNoText : public SplashOutputDev {
 
146
public:
 
147
  SplashOutputDevNoText(SplashColorMode colorModeA, int bitmapRowPadA,
 
148
        GBool reverseVideoA, SplashColorPtr paperColorA,
 
149
        GBool bitmapTopDownA = gTrue,
 
150
        GBool allowAntialiasA = gTrue) : SplashOutputDev(colorModeA,
 
151
            bitmapRowPadA, reverseVideoA, paperColorA, bitmapTopDownA,
 
152
            allowAntialiasA) { }
 
153
  virtual ~SplashOutputDevNoText() { }
 
154
  
 
155
  void drawChar(GfxState *state, double x, double y,
 
156
      double dx, double dy,
 
157
      double originX, double originY,
 
158
      CharCode code, int nBytes, Unicode *u, int uLen) { }
 
159
  GBool beginType3Char(GfxState *state, double x, double y,
 
160
      double dx, double dy,
 
161
      CharCode code, Unicode *u, int uLen) { return false; }
 
162
  void endType3Char(GfxState *state) { }
 
163
  void beginTextObject(GfxState *state) { }
 
164
  GBool deviceHasTextClip(GfxState *state) { return false; }
 
165
  void endTextObject(GfxState *state) { }
 
166
  GBool interpretType3Chars() { return gFalse; }
 
167
};
 
168
#endif
 
169
 
 
170
int main(int argc, char *argv[]) {
 
171
  PDFDoc *doc = NULL;
 
172
  GooString *fileName = NULL;
 
173
  GooString *docTitle = NULL;
 
174
  GooString *author = NULL, *keywords = NULL, *subject = NULL, *date = NULL;
 
175
  GooString *htmlFileName = NULL;
 
176
  GooString *psFileName = NULL;
 
177
  HtmlOutputDev *htmlOut = NULL;
 
178
#ifdef HAVE_SPLASH
 
179
  SplashOutputDev *splashOut = NULL;
 
180
#endif
 
181
  PSOutputDev *psOut = NULL;
 
182
  GBool ok;
 
183
  char *p;
 
184
  GooString *ownerPW, *userPW;
 
185
  Object info;
 
186
  char * extsList[] = {"png", "jpeg", "bmp", "pcx", "tiff", "pbm", NULL};
 
187
 
 
188
  // parse args
 
189
  ok = parseArgs(argDesc, &argc, argv);
 
190
  if (!ok || argc < 2 || argc > 3 || printHelp || printVersion) {
 
191
    fprintf(stderr, "pdftohtml version %s\n", PACKAGE_VERSION);
 
192
    fprintf(stderr, "%s\n", popplerCopyright);
 
193
    fprintf(stderr, "%s\n", "Copyright 1999-2003 Gueorgui Ovtcharov and Rainer Dorsch");
 
194
    fprintf(stderr, "%s\n\n", xpdfCopyright);
 
195
    if (!printVersion) {
 
196
      printUsage("pdftohtml", "<PDF-file> [<html-file> <xml-file>]", argDesc);
 
197
    }
 
198
    exit(1);
 
199
  }
 
200
 
 
201
  // init error file
 
202
  //errorInit();
 
203
 
 
204
  // read config file
 
205
  globalParams = new GlobalParams();
 
206
 
 
207
  if (errQuiet) {
 
208
    globalParams->setErrQuiet(errQuiet);
 
209
    printCommands = gFalse; // I'm not 100% what is the differecne between them
 
210
  }
 
211
 
 
212
  if (textEncName[0]) {
 
213
    globalParams->setTextEncoding(textEncName);
 
214
    if( !globalParams->getTextEncoding() )  {
 
215
        goto error;    
 
216
    }
 
217
  }
 
218
 
 
219
  // open PDF file
 
220
  if (ownerPassword[0]) {
 
221
    ownerPW = new GooString(ownerPassword);
 
222
  } else {
 
223
    ownerPW = NULL;
 
224
  }
 
225
  if (userPassword[0]) {
 
226
    userPW = new GooString(userPassword);
 
227
  } else {
 
228
    userPW = NULL;
 
229
  }
 
230
 
 
231
  fileName = new GooString(argv[1]);
 
232
 
 
233
  if (fileName->cmp("-") == 0) {
 
234
      delete fileName;
 
235
      fileName = new GooString("fd://0");
 
236
  }
 
237
 
 
238
  doc = PDFDocFactory().createPDFDoc(*fileName, ownerPW, userPW);
 
239
 
 
240
  if (userPW) {
 
241
    delete userPW;
 
242
  }
 
243
  if (ownerPW) {
 
244
    delete ownerPW;
 
245
  }
 
246
  if (!doc->isOk()) {
 
247
    goto error;
 
248
  }
 
249
 
 
250
  // check for copy permission
 
251
  if (!doc->okToCopy()) {
 
252
    if (!noDrm) {
 
253
      error(-1, "Copying of text from this document is not allowed.");
 
254
      goto error;
 
255
    }
 
256
    fprintf(stderr, "Document has copy-protection bit set.\n");
 
257
  }
 
258
 
 
259
  // construct text file name
 
260
  if (argc == 3) {
 
261
    GooString* tmp = new GooString(argv[2]);
 
262
    if (!xml) {
 
263
      if (tmp->getLength() >= 5) {
 
264
        p = tmp->getCString() + tmp->getLength() - 5;
 
265
        if (!strcmp(p, ".html") || !strcmp(p, ".HTML")) {
 
266
          htmlFileName = new GooString(tmp->getCString(), tmp->getLength() - 5);
 
267
        }
 
268
      }
 
269
    } else {
 
270
      if (tmp->getLength() >= 4) {
 
271
        p = tmp->getCString() + tmp->getLength() - 4;
 
272
        if (!strcmp(p, ".xml") || !strcmp(p, ".XML")) {
 
273
          htmlFileName = new GooString(tmp->getCString(), tmp->getLength() - 4);
 
274
        }
 
275
      }
 
276
    }
 
277
    if (!htmlFileName) {
 
278
      htmlFileName =new GooString(tmp);
 
279
    }
 
280
    delete tmp;
 
281
  } else if (fileName->cmp("fd://0") == 0) {
 
282
      error(-1, "You have to provide an output filename when reading form stdin.");
 
283
      goto error;
 
284
  } else {
 
285
    p = fileName->getCString() + fileName->getLength() - 4;
 
286
    if (!strcmp(p, ".pdf") || !strcmp(p, ".PDF"))
 
287
      htmlFileName = new GooString(fileName->getCString(),
 
288
                                 fileName->getLength() - 4);
 
289
    else
 
290
      htmlFileName = fileName->copy();
 
291
    //   htmlFileName->append(".html");
 
292
  }
 
293
  
 
294
   if (scale>3.0) scale=3.0;
 
295
   if (scale<0.5) scale=0.5;
 
296
   
 
297
   if (complexMode || singleHtml) {
 
298
     //noframes=gFalse;
 
299
     stout=gFalse;
 
300
   } 
 
301
 
 
302
   if (stout) {
 
303
     noframes=gTrue;
 
304
     complexMode=gFalse;
 
305
     singleHtml=gFalse;
 
306
   }
 
307
 
 
308
   if (xml)
 
309
   { 
 
310
       complexMode = gTrue;
 
311
       singleHtml = gFalse;
 
312
       noframes = gTrue;
 
313
       noMerge = gTrue;
 
314
   }
 
315
 
 
316
  // get page range
 
317
  if (firstPage < 1)
 
318
    firstPage = 1;
 
319
  if (lastPage < 1 || lastPage > doc->getNumPages())
 
320
    lastPage = doc->getNumPages();
 
321
 
 
322
  doc->getDocInfo(&info);
 
323
  if (info.isDict()) {
 
324
    docTitle = getInfoString(info.getDict(), "Title");
 
325
    author = getInfoString(info.getDict(), "Author");
 
326
    keywords = getInfoString(info.getDict(), "Keywords");
 
327
    subject = getInfoString(info.getDict(), "Subject");
 
328
    date = getInfoDate(info.getDict(), "ModDate");
 
329
    if( !date )
 
330
        date = getInfoDate(info.getDict(), "CreationDate");
 
331
  }
 
332
  info.free();
 
333
  if( !docTitle ) docTitle = new GooString(htmlFileName);
 
334
 
 
335
  if( strcmp("none", gsDevice) ) {
 
336
    useSplash = gFalse;
 
337
    /* determine extensions of output background images */
 
338
    int i;
 
339
    for(i = 0; extsList[i]; i++)
 
340
    {
 
341
      if( strstr(gsDevice, extsList[i]) != (char *) NULL )
 
342
      {
 
343
        strncpy(extension, extsList[i], sizeof(extension));
 
344
        break;
 
345
      }
 
346
    }
 
347
  }
 
348
 
 
349
#ifndef HAVE_SPLASH
 
350
  if( useSplash ) {
 
351
    fprintf(stderr, "You are trying to use the -fmt option but your pdftohtml was built without support for it. Please use the -dev option\n");
 
352
    delete docTitle;
 
353
    delete author;
 
354
    delete keywords;
 
355
    delete subject;
 
356
    delete date;
 
357
    delete htmlFileName;
 
358
    delete globalParams;
 
359
    delete fileName;
 
360
    delete doc;
 
361
    return -1;
 
362
  }
 
363
#endif
 
364
 
 
365
  if (!singleHtml)
 
366
      rawOrder = complexMode; // todo: figure out what exactly rawOrder do :)
 
367
  else
 
368
      rawOrder = singleHtml;
 
369
 
 
370
  // write text file
 
371
  htmlOut = new HtmlOutputDev(htmlFileName->getCString(), 
 
372
          docTitle->getCString(), 
 
373
          author ? author->getCString() : NULL,
 
374
          keywords ? keywords->getCString() : NULL, 
 
375
          subject ? subject->getCString() : NULL, 
 
376
          date ? date->getCString() : NULL,
 
377
          extension,
 
378
          rawOrder, 
 
379
          firstPage,
 
380
          doc->getCatalog()->getOutline()->isDict());
 
381
  delete docTitle;
 
382
  if( author )
 
383
  {   
 
384
      delete author;
 
385
  }
 
386
  if( keywords )
 
387
  {
 
388
      delete keywords;
 
389
  }
 
390
  if( subject )
 
391
  {
 
392
      delete subject;
 
393
  }
 
394
  if( date )
 
395
  {
 
396
      delete date;
 
397
  }
 
398
 
 
399
  if (htmlOut->isOk())
 
400
  {
 
401
    doc->displayPages(htmlOut, firstPage, lastPage, 72 * scale, 72 * scale, 0,
 
402
                      gTrue, gFalse, gFalse);
 
403
        if (!xml)
 
404
        {
 
405
                htmlOut->dumpDocOutline(doc->getCatalog());
 
406
        }
 
407
  }
 
408
  
 
409
  if ((complexMode || singleHtml) && !xml && !ignore) {
 
410
    if(useSplash) {
 
411
#ifdef HAVE_SPLASH
 
412
      GooString *imgFileName = NULL;
 
413
      // White paper color
 
414
      SplashColor color;
 
415
      color[0] = color[1] = color[2] = 255;
 
416
      // If the user specified "jpg" use JPEG, otherwise PNG
 
417
      SplashImageFileFormat format = strcmp(extension, "jpg") ?
 
418
          splashFormatPng : splashFormatJpeg;
 
419
 
 
420
      splashOut = new SplashOutputDevNoText(splashModeRGB8, 4, gFalse, color);
 
421
      splashOut->startDoc(doc->getXRef());
 
422
 
 
423
      for (int pg = firstPage; pg <= lastPage; ++pg) {
 
424
        doc->displayPage(splashOut, pg,
 
425
                         72 * scale, 72 * scale,
 
426
                         0, gTrue, gFalse, gFalse);
 
427
        SplashBitmap *bitmap = splashOut->getBitmap();
 
428
 
 
429
        imgFileName = GooString::format("{0:s}{1:03d}.{2:s}", 
 
430
            htmlFileName->getCString(), pg, extension);
 
431
 
 
432
        bitmap->writeImgFile(format, imgFileName->getCString(),
 
433
                             72 * scale, 72 * scale);
 
434
 
 
435
        delete imgFileName;
 
436
      }
 
437
 
 
438
      delete splashOut;
 
439
#endif
 
440
    } else {
 
441
      int h=xoutRound(htmlOut->getPageHeight()/scale);
 
442
      int w=xoutRound(htmlOut->getPageWidth()/scale);
 
443
      //int h=xoutRound(doc->getPageHeight(1)/scale);
 
444
      //int w=xoutRound(doc->getPageWidth(1)/scale);
 
445
 
 
446
      psFileName = new GooString(htmlFileName->getCString());
 
447
      psFileName->append(".ps");
 
448
 
 
449
      psOut = new PSOutputDev(psFileName->getCString(), doc, doc->getXRef(),
 
450
          doc->getCatalog(), NULL, firstPage, lastPage, psModePS, w, h);
 
451
      psOut->setDisplayText(gFalse);
 
452
      doc->displayPages(psOut, firstPage, lastPage, 72, 72, 0,
 
453
          gTrue, gFalse, gFalse);
 
454
      delete psOut;
 
455
 
 
456
      /*sprintf(buf, "%s -sDEVICE=png16m -dBATCH -dNOPROMPT -dNOPAUSE -r%d -sOutputFile=%s%%03d.png -g%dx%d -q %s", GHOSTSCRIPT, resolution, htmlFileName->getCString(), w, h,
 
457
      psFileName->getCString());*/
 
458
 
 
459
      GooString *gsCmd = new GooString(GHOSTSCRIPT);
 
460
      GooString *tw, *th, *sc;
 
461
      gsCmd->append(" -sDEVICE=");
 
462
      gsCmd->append(gsDevice);
 
463
      gsCmd->append(" -dBATCH -dNOPROMPT -dNOPAUSE -r");
 
464
      sc = GooString::fromInt(static_cast<int>(72*scale));
 
465
      gsCmd->append(sc);
 
466
      gsCmd->append(" -sOutputFile=");
 
467
      gsCmd->append("\"");
 
468
      gsCmd->append(htmlFileName);
 
469
      gsCmd->append("%03d.");
 
470
      gsCmd->append(extension);
 
471
      gsCmd->append("\" -g");
 
472
      tw = GooString::fromInt(static_cast<int>(scale*w));
 
473
      gsCmd->append(tw);
 
474
      gsCmd->append("x");
 
475
      th = GooString::fromInt(static_cast<int>(scale*h));
 
476
      th = GooString::fromInt(static_cast<int>(scale*h));
 
477
      gsCmd->append(th);
 
478
      gsCmd->append(" -q \"");
 
479
      gsCmd->append(psFileName);
 
480
      gsCmd->append("\"");
 
481
      //    printf("running: %s\n", gsCmd->getCString());
 
482
      if( !executeCommand(gsCmd->getCString()) && !errQuiet) {
 
483
        error(-1, "Failed to launch Ghostscript!\n");
 
484
      }
 
485
      unlink(psFileName->getCString());
 
486
      delete tw;
 
487
      delete th;
 
488
      delete sc;
 
489
      delete gsCmd;
 
490
      delete psFileName;
 
491
    }
 
492
  }
 
493
  
 
494
  delete htmlOut;
 
495
 
 
496
  // clean up
 
497
 error:
 
498
  if(doc) delete doc;
 
499
  delete fileName;
 
500
  if(globalParams) delete globalParams;
 
501
 
 
502
  if(htmlFileName) delete htmlFileName;
 
503
  HtmlFont::clear();
 
504
  
 
505
  // check for memory leaks
 
506
  Object::memCheck(stderr);
 
507
  gMemReport(stderr);
 
508
 
 
509
  return 0;
 
510
}
 
511
 
 
512
static GooString* getInfoString(Dict *infoDict, char *key) {
 
513
  Object obj;
 
514
  GooString *s1 = NULL;
 
515
 
 
516
  if (infoDict->lookup(key, &obj)->isString()) {
 
517
    s1 = new GooString(obj.getString());
 
518
  }
 
519
  obj.free();
 
520
  return s1;
 
521
}
 
522
 
 
523
static GooString* getInfoDate(Dict *infoDict, char *key) {
 
524
  Object obj;
 
525
  char *s;
 
526
  int year, mon, day, hour, min, sec, tz_hour, tz_minute;
 
527
  char tz;
 
528
  struct tm tmStruct;
 
529
  GooString *result = NULL;
 
530
  char buf[256];
 
531
 
 
532
  if (infoDict->lookup(key, &obj)->isString()) {
 
533
    s = obj.getString()->getCString();
 
534
    // TODO do something with the timezone info
 
535
    if ( parseDateString( s, &year, &mon, &day, &hour, &min, &sec, &tz, &tz_hour, &tz_minute ) ) {
 
536
      tmStruct.tm_year = year - 1900;
 
537
      tmStruct.tm_mon = mon - 1;
 
538
      tmStruct.tm_mday = day;
 
539
      tmStruct.tm_hour = hour;
 
540
      tmStruct.tm_min = min;
 
541
      tmStruct.tm_sec = sec;
 
542
      tmStruct.tm_wday = -1;
 
543
      tmStruct.tm_yday = -1;
 
544
      tmStruct.tm_isdst = -1;
 
545
      mktime(&tmStruct); // compute the tm_wday and tm_yday fields
 
546
      if (strftime(buf, sizeof(buf), "%Y-%m-%dT%H:%M:%S+00:00", &tmStruct)) {
 
547
        result = new GooString(buf);
 
548
      } else {
 
549
        result = new GooString(s);
 
550
      }
 
551
    } else {
 
552
      result = new GooString(s);
 
553
    }
 
554
  }
 
555
  obj.free();
 
556
  return result;
 
557
}
 
558