PdfPig 0.1.10版本发布:PDF解析库的重大更新
2025-06-24 05:36:56作者:廉彬冶Miranda
PdfPig是一个开源的.NET PDF解析库,它允许开发者在不需要任何外部依赖的情况下读取和分析PDF文档内容。这个库特别适合需要从PDF中提取文本、图像和其他内容的应用程序。最新发布的0.1.10版本带来了一系列重要的改进和修复,显著提升了库的稳定性、性能和功能完整性。
核心功能改进
文本处理增强
新版本对文本处理进行了多项优化。GetTextOrientation方法现在能够更准确地检查旋转角度是否为90度的倍数,解决了文本方向判断的问题。此外,新增了NegativeGapAsWhitespace选项,允许开发者将负间距视为空白字符,这在处理某些特殊格式的PDF文档时特别有用。
字体处理优化
字体子系统得到了显著改进,包括:
- 新增了BrowserSystemFontLister功能,提供了浏览器系统字体列表的早期版本支持
- 改进了GlyphList处理,更新了来自PDFBox的附加字形列表
- 正确处理ZapfDingbats字体和TrueType简单字体
- 处理了替代Unicode名称表示(cXXX)和特殊连字名称
图像处理提升
图像处理方面有多项重要改进:
- 改进了UnwrapIndexedColorSpaceBytes方法
- 更新了UnpackComponents()以支持1bpc + DeviceGray组合(特别是针对Jbig2的特殊处理)
- 添加了JPX位每组件解码支持
- 优化了CCITT传真解码过滤器,不再检查输入长度,并通过引用字节反转位图
性能优化
0.1.10版本包含多项性能优化措施:
- 优化了交叉引用对象偏移验证,避免了嵌套循环
- 在可能的情况下原地执行RemoveStridePadding操作
- 改进了StackDictionary.TryGetValue()方法
- 在DocstrumBoundingBoxes中更好地处理整数溢出情况
安全与稳定性
新版本增强了安全性和稳定性:
- 支持解密V4/R4文件(使用AESV2且没有Length属性)
- 在宽松模式下,当堆栈大小为1时执行Pop操作不再抛出错误
- 修复了可能导致IndexOutOfRangeException的问题
- 在宽松解析模式下,CrossReferenceParser不再抛出异常
API改进
API方面有以下重要变化:
- 将Filters重组并公开为公共API
- 将Paths、GetAnnotations()和GetOptionalContents()移出ExperimentalAccess
- 使ColorSpaceDetails.BaseNumberOfColorComponents公开,允许外部图像工厂使用
- 公开了DecodeParameterResolver类
- 改进了GetExtendedGraphicsStateDictionary()方法
其他改进
- 更新了测试项目的NuGet包
- 恢复了修剪/AOT分析功能
- 不再将警告视为错误
- 更新了控制台运行程序的目标框架至.NET 8
- 修复了"Nightly Release"流水线问题
这个版本标志着PdfPig项目在成熟度和功能完整性方面迈出了重要一步,为开发者提供了更强大、更稳定的PDF处理工具。无论是文本提取、图像处理还是文档分析,新版本都带来了显著的改进和增强。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
496
3.64 K
Ascend Extension for PyTorch
Python
300
338
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
306
131
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
868
479
暂无简介
Dart
744
180
React Native鸿蒙化仓库
JavaScript
297
346
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
66
20
仓颉编译器源码及 cjdb 调试工具。
C++
150
882