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。C045
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0122
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
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
9
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
65
19
暂无简介
Dart
699
162
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++
696
374
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.23 K
675
Ascend Extension for PyTorch
Python
243
281
React Native鸿蒙化仓库
JavaScript
271
328