PDF கிடைமட்டமாகத் தெரிகிறது, ஆனால் பிரித்தெடுக்கப்பட்ட ஆயங்கள் தவறாக உள்ளன: சுழற்சி மேட்ரிக்ஸை தெளிவாக விளக்குங்கள்

இந்த கட்டுரையின் முக்கிய குறிப்புகள்

-/சுழற்றும் பண்புக்கூறு இருக்கும்போது வாசகர் பக்கத்தை சுழற்றுவார், ஆனால் அடிப்படை ஆயங்கள் இன்னும் சுழற்றப்படாத மீடியாபாக்ஸை அடிப்படையாகக் கொண்டவை.

• get_text() போன்ற பிரித்தெடுக்கப்பட்ட ஆயங்கள் இயல்புநிலையாக சுழற்றப்படாத பக்கத்தை அடிப்படையாகக் கொண்டவை, மேலும் page.rect மற்றும் bound() மட்டுமே காட்சி அளவைப் பிரதிபலிக்கும்.
• காட்சி நிலைகளை வரையும்போது அல்லது சீரமைக்கும்போது, ஆயங்களை மாற்ற சுழற்சி_மேட்ரிக்ஸைப் பயன்படுத்த வேண்டும், மேலும் டெரோடேஷன்_மேட்ரிக்ஸை மாற்றியமைக்கலாம்.
• எடுத்துக்காட்டுகள் செயற்கை தரவு மற்றும் உண்மையான ஆவணங்கள் அல்லது தயாரிப்பு விளைவுகளை பிரதிநிதித்துவப்படுத்தாது. முக்கியமான ஆவணங்களைச் செயலாக்குவதற்கு முன் அசல்களை தக்கவைத்து மதிப்பாய்வு செய்ய வேண்டும்.
• மொழிபெயர்ப்பிற்கு முன் பக்க வரிசை மற்றும் உரை ஒருமைப்பாடு சரிபார்க்கப்பட வேண்டும், மேலும் மொழிபெயர்ப்புக்குப் பிறகு தலைப்பு, உரை மற்றும் விளக்கப்படங்களுக்கு இடையிலான கடிதப் பரிமாற்றம் சரிபார்க்கப்பட வேண்டும்.

நான் PDF ஐச் செயலாக்கும்போது, அட்டவணை பக்கத்தின் வலது பக்கத்தில் இருப்பதை நான் தெளிவாகக் கண்டேன், ஆனால் பிரித்தெடுக்கப்பட்ட ஆயங்கள் மேல் இடது மூலையில் சுட்டிக்காட்டப்பட்டன, அல்லது ஹைலைட் செய்யப்பட்ட வண்ணத் தொகுதி தலைப்பு நிலைக்கு விழுந்தது. இந்த வகையான சிக்கல் பெரும்பாலும் பாகுபடுத்தும் நூலகத்தில் ஒரு பிழை அல்ல, ஆனால் PDF இன் ஒருங்கிணைப்பு அமைப்பு மற்றும் காட்சி ரெண்டரிங் ஆகியவற்றுக்கு இடையே உள்ள முரண்பாடு. இந்தக் கட்டுரை உரை நிலைப்படுத்தல், பகுதி பொருத்தம் அல்லது சிறுகுறிப்பு வரைதல் ஆகியவற்றைச் செய்ய வேண்டிய டெவலப்பர்களுக்காக வடிவமைக்கப்பட்டுள்ளது. /Rotate பண்புக்கூறு ஒருங்கிணைப்பு தவறான சீரமைப்பை எவ்வாறு ஏற்படுத்துகிறது என்பதை இது விளக்குகிறது, மேலும் மாற்றத்தை முடிக்க PyMuPDF இன் சுழற்சி மேட்ரிக்ஸைப் பயன்படுத்துகிறது.

இந்த கட்டுரையில் உள்ள எடுத்துக்காட்டுகள் அனைத்தும் நினைவகத்தில் ஒருங்கிணைக்கப்பட்டுள்ளன மற்றும் உண்மையான கோப்புகள் எதுவும் படிக்கப்படவில்லை. முக்கியமான ஆவணங்களைச் செயலாக்குவதற்கு முன், அசல் ஆவணங்களை வைத்து, ஆவணத்தில் உள்ள எல்லைகள் மற்றும் ஏற்றுக்கொள்ளும் உருப்படிகளின்படி அவற்றை ஒவ்வொன்றாக மதிப்பாய்வு செய்யவும்.

PDF இன் ஆயங்கள் சுழற்சிக்குப் பிறகு பொருந்தவில்லை என்றால் நான் என்ன செய்ய வேண்டும்? ஒரு வாக்கியத்தின் முடிவு

Page.rotation_matrix ஐப் பயன்படுத்தி, சுழற்றப்படாத ஆயங்களை ஆயத்தொகுப்புகளைக் காண்பிக்க மாற்றவும், மேலும் செயலாக்குவதற்கு முன் page.rotation பக்கம் பக்கமாகச் சரிபார்க்கவும். அனைத்து பக்கங்களின் ஒருங்கிணைப்பு திசைகளும் சீரானவை என்று கருத வேண்டாம்.

சுற்றப்படாத இடத்துக்கும் காட்டப்படும் இடத்துக்கும் உள்ள வித்தியாசத்தைப் புரிந்து கொள்ளுங்கள்

PDF பக்கங்கள் 0, 90, 180 அல்லது 270 டிகிரி மதிப்புகளுடன் /Rotate பண்புக்கூறைக் கொண்டு செல்லலாம். ரீடர் ரெண்டர் செய்யும் போது இந்த சுழற்சி தானாகவே பயன்படுத்தப்படும், ஆனால் பக்க உள்ளடக்க ஓட்டத்தின் ஆயங்கள் இன்னும் சுழற்றப்படாத அசல் மீடியாபாக்ஸை அடிப்படையாகக் கொண்டவை. பிரித்தெடுக்கப்பட்ட அசல் ஆயங்களை வரைவதற்கு அல்லது பகுதி பொருத்தத்திற்கு நீங்கள் நேரடியாகப் பயன்படுத்தினால், முடிவுகள் தவறாக வடிவமைக்கப்படும்.

V1.17.0 இலிருந்து தொடங்கும் இந்த இரண்டு ஒருங்கிணைப்பு அமைப்புகளுக்கு இடையே PyMuPDF தெளிவாக வேறுபடுத்துகிறது:

• சுழற்றப்படாத இடம்: Page.get_text(), Page.get_image_bbox() ஆகியவற்றின் ஆயத்தொலைவுகள் மற்றும் அனைத்து சிறுகுறிப்பு பொருள்களும் முன்னிருப்பாக சுழற்றப்படாத பக்கத்துடன் தொடர்புடையவை.
• டிஸ்ப்ளே ஸ்பேஸ்: Page.rect மற்றும் Page.bound() மட்டுமே சுழற்சிக்குப் பிறகு உண்மையான காட்சி அளவைப் பிரதிபலிக்கும்.

இந்த வடிவமைப்பு உள்ளடக்கத்தைப் பிரித்தெடுப்பதை நிலையானதாக வைத்திருக்கிறது. பக்க சுழற்சி கோணம் மாற்றப்பட்டாலும், அதே உரையின் பிரித்தெடுத்தல் ஆயங்கள் மாறாது. ஆனால் நீங்கள் ஆயங்களை மீண்டும் பக்கத்திற்கு இழுக்க வேண்டும் அல்லது மவுஸ் கிளிக்குகள் போன்ற காட்சி தொடர்புகளுடன் அவற்றை சீரமைக்க வேண்டும் என்றால், நீங்கள் ஒருங்கிணைப்பு மாற்றத்தை கைமுறையாக முடிக்க வேண்டும்.

PyMuPDF இரண்டு முக்கிய மெட்ரிக்குகளை வழங்குகிறது:

1. Page.rotation_matrix: சுழற்றப்படாத ஆயங்களை காட்சி ஆயத்தொகுப்புகளாக மாற்றவும்.
2. Page.derotation_matrix: தலைகீழ் செயல்பாட்டைச் செய்யவும்.

இந்த இரண்டு மெட்ரிக்குகளும் மொழிபெயர்ப்பு மற்றும் சுழற்சி மாற்றங்களை இணைக்கின்றன, எனவே டெவலப்பர்கள் முக்கோணவியல் செயல்பாடு கணக்கீடுகளை கையால் எழுத வேண்டியதில்லை.

தொகுப்பு உதாரணம்: ஒருங்கிணைப்பு மாற்றத்தின் சரியான மற்றும் தவறான எதிர்பார்ப்புகள்

இந்த பொறிமுறையை நிரூபிக்க, வெளிப்புற கோப்புகளை நம்பாத முற்றிலும் நினைவகத்தில் செயற்கை காட்சியை உருவாக்குகிறோம். உண்மையான ஆவணத்தை நீங்கள் சோதிக்க வேண்டும் என்றால், /Rotate=90 பண்புக்கூறுடன் ஒரு PDF ஐ முன்கூட்டியே தயார் செய்து, அதன் CropBox ஆனது மீடியாபாக்ஸுடன் ஒத்துப்போவதை உறுதிசெய்து, க்ராப்பிங் ஆஃப்செட்டின் குறுக்கீட்டை அகற்றவும்.

உள்ளீட்டு அமைப்புகள்: A4 போர்ட்ரெய்ட் பக்கத்தை உருவாக்கவும் (595 x 842 pt), /Rotate = 90 ஐ அமைக்கவும். சுழற்றப்படாத இடத்தில், புள்ளி (100, 100) மேல் இடது மூலையில் அமைந்துள்ளது; 90 டிகிரி சுழலும் போது, புள்ளியின் காட்சி நிலை கணிசமாக மாறுகிறது, ஏனெனில் ஒருங்கிணைப்பு அமைப்பு அதனுடன் சுழலும்.

சரியான வெளியீடு எதிர்பார்க்கப்படுகிறது: rotation_matrix ஆல் (100, 100) பெருக்கவும், அதன் விளைவாக வரும் காட்சி ஆயத்தொலைவுகள் சுழற்றப்பட்ட பக்கத்தின் செல்லுபடியாகும் எல்லைக்குள் வர வேண்டும் (அதாவது page.rect). இயல்புநிலை A4 பக்கமானது 90 டிகிரிக்கு எதிரெதிர் திசையில் சுழற்றப்பட்டிருந்தால், அசல் மேல் இடது மூலை புள்ளியானது காட்சி இடத்தில் கீழ் இடது மூலைக்கு அருகில் இருக்க வேண்டும், அதாவது x ஒருங்கிணைப்பு பெரியது மற்றும் y ஒருங்கிணைப்பு 0 க்கு அருகில் உள்ளது. குறிப்பிட்ட மதிப்பு MediaBox இன் அசல் வரையறையைப் பொறுத்தது. x ஐ விட y பெரியது என்று மட்டும் நினைக்க வேண்டாம்.

எல்லை வழக்கு கையாளுதல்: சுழற்சி கோணம் 0 ஆக இருக்கும் போது, rotation_matrix என்பது அடையாள அணியாக இருக்க வேண்டும். 90 டிகிரிகளின் மடங்காக இல்லாத ஒரு சுழற்சி மதிப்பு அனுப்பப்பட்டால், PyMuPDF வழக்கமாக அதை இயல்பாக்கும், ஆனால் NaN ஆயங்களை உருவாக்குவதைத் தவிர்க்க மேட்ரிக்ஸ் செல்லுபடியை சரிபார்க்க பரிந்துரைக்கப்படுகிறது.

பைதான் ஒருங்கிணைப்பு சரிபார்ப்பு தர்க்கத்தை செயல்படுத்துகிறது

நினைவகத்தில் ஒருங்கிணைப்பு மாற்றங்களை எவ்வாறு சரிபார்க்கலாம் என்பதை பின்வரும் எடுத்துக்காட்டு காட்டுகிறது. இது மேட்ரிக்ஸ் செயல்பாட்டு தர்க்கத்தை மட்டுமே காட்டுகிறது மற்றும் முழுமையான PDF செயலாக்க பைப்லைன் அல்ல. PyMuPDF இயங்கும் முன் நிறுவப்பட்டுள்ளதை உறுதிசெய்து, நீங்கள் சார்புகளை பூட்டிய சூழலில் அதை இயக்கவும்.

import fitz  # PyMuPDF

def validate_rotation_transform():
    """合成示例：验证旋转矩阵在未旋转坐标与显示坐标间的转换"""
    doc = fitz.open()  # 空文档，无需文件路径
    page = doc.new_page(width=595, height=842)

    # 设置页面旋转90度，模拟横向显示的PDF
    page.set_rotation(90)

    # 定义一个在未旋转空间中的测试点 (左上角附近)
    unrotated_point = fitz.Point(100, 100)

    # 获取旋转矩阵并执行变换
    mat = page.rotation_matrix
    display_point = unrotated_point * mat

    # 验证1: 变换后的点必须位于旋转后的页面可视区域内
    assert page.rect.contains(display_point), (
        f"变换后坐标 {display_point} 超出显示边界 {page.rect}"
    )

    # 验证2: 对于默认A4逆时针旋转90度，原(100,100)应变为左下角
    # 即 x 接近页宽(842)，y 接近 0。注意：此处纠正了常见的 y>x 误区
    assert display_point.x > 500 and display_point.y < 200, (
        f"90度旋转预期左下角，实际得到 ({display_point.x:.1f}, {display_point.y:.1f})"
    )

    # 验证3: 逆变换可精确恢复原始坐标
    inv_mat = page.derotation_matrix
    recovered = display_point * inv_mat
    assert abs(recovered.x - unrotated_point.x) < 0.01
    assert abs(recovered.y - unrotated_point.y) < 0.01

    doc.close()
    print("坐标变换逻辑校验通过（合成数据）")

# 请在本地环境运行，不要假设线上环境已安装fitz
validate_rotation_transform()

இந்த குறியீடு எந்த உண்மையான கோப்பையும் படிக்காது, ஆனால் நினைவகத்தில் பக்க நிலையை உருவாக்குகிறது. assert அறிக்கையானது கணித உறவின் பகுத்தறிவை சரிபார்க்கிறது, வணிகத்தின் சரியான தன்மையை அல்ல. உண்மையான PDF இல் தரமற்ற MediaBox அல்லது உள்ளமைக்கப்பட்ட உருமாற்றங்கள் இருந்தால் கூடுதல் பிழைத்திருத்தம் தேவைப்படலாம்.

📊 முக்கிய ஒப்பீடு

ஏற்றுக்கொள்ளும் அளவுகோல்கள் மற்றும் கைமுறை மதிப்பாய்வு எல்லைகள்

குறியீடு வலியுறுத்தலை அனுப்ப முடியும் என்பதால், உற்பத்தி சூழல் முட்டாள்தனமானது என்று அர்த்தமல்ல. பின்வரும் அட்டவணையில் பொதுவான விதிவிலக்குகள் மற்றும் அவற்றின் கையாளுதல் முடிவுகள் தானியங்கு மற்றும் கைமுறை தலையீடு தேவைப்படும் சூழ்நிலைகளை வேறுபடுத்த உதவும்.

இந்த அட்டவணை ஒருங்கிணைப்பு மாற்ற தர்க்கத்தை மட்டுமே குறிக்கிறது மற்றும் OCR துல்லியம் அல்லது எழுத்துரு குறியாக்க சிக்கல்களை உள்ளடக்காது. சிக்கலான தட்டச்சு அமைப்பை சந்திக்கும் போது, தானியங்கி சரிபார்ப்பு தோல்வியடையலாம். இந்த நேரத்தில், குழாய் இடைநிறுத்தப்பட்டு, தொடர வேண்டுமா என்பதை கைமுறையாகத் தீர்மானிக்க வேண்டும்.

ஆவண மொழிபெயர்ப்புக்கு சரிபார்ப்புப் பட்டியல்களைப் பயன்படுத்தவும்

மொழிபெயர்ப்பதற்கு முன், பக்க வரிசை, மூல இருப்பிடம் மற்றும் உரை ஒருமைப்பாடு ஆகியவற்றை உறுதிசெய்து, பின்னர் அதே உணர்திறன் இல்லாத மாதிரியை மொழிபெயர்ப்பு செயல்முறைக்கு சமர்ப்பிக்கவும். மொழிபெயர்ப்பிற்குப் பிறகு, தலைப்பு, உரை மற்றும் விளக்கப்படங்கள் சரியாக பொருந்துமா என்பதை நீங்கள் சரிபார்க்க வேண்டும், மொழிபெயர்ப்பு சீராக உள்ளதா என்பதை மட்டும் அல்ல.

OmniDoc (தயாரிப்பு போர்டல்) பல வடிவ ஆவண மொழிபெயர்ப்பு போர்ட்டலை வழங்குகிறது, மேலும் அதிகாரப்பூர்வ இணையதளம் OCR, சொற்களஞ்சியம் மற்றும் இருமொழி ஒப்பீட்டு செயல்பாடுகளை அறிமுகப்படுத்துகிறது. கோப்புகளில் இருந்து நேரடியாக வேலை செய்ய விரும்பும் குழுக்களுக்கு, இது நிஜ வாழ்க்கை மாதிரிகள் மூலம் மதிப்பீடு செய்ய வேண்டிய பாதையாகும். பதிவேற்றம் செய்ய உங்களுக்கு அனுமதி உள்ள டீசென்சிடைஸ் செய்யப்பட்ட கோப்புகளைப் பயன்படுத்தவும், மேலும் முடிவுகளை மதிப்பாய்வு செய்ய இந்தக் கட்டுரையில் உள்ள சரிபார்ப்பு உருப்படிகளைப் பயன்படுத்தவும். OmniDoc இந்த கட்டுரையில் குறிப்பிடப்பட்டுள்ள திறந்த மூல நூலகங்கள் அல்லது உள் அல்காரிதம்களைப் பயன்படுத்துகிறது அல்லது தயாரிப்பு செயல்திறன் சோதனைக்கு பதிலாக உதாரணம் இல்லை.

மேலும் படிக்க:

• PyMuPDF Page.rotation_matrix அதிகாரப்பூர்வ ஆவணம்
• PyMuPDF ஒருங்கிணைப்புகள் கருத்துக் குறிப்பு

🎯 எந்த முறை உங்களுக்கு ஏற்றது?

பிரித்தெடுக்கப்பட்ட உரை ஆயங்களை மீண்டும் பக்கத்திற்கு வரைய வேண்டும்

முதலில் rotation_matrix ஐப் பயன்படுத்தி காட்சி ஆயங்களை மாற்றவும், பின்னர் சிறப்பம்சங்கள் அல்லது சிறுகுறிப்புகளை வரையவும்.

நீங்கள் மவுஸ் கிளிக்குகளை அசல் உள்ளடக்கத்திற்கு மீண்டும் வரைபடமாக்க வேண்டும் என்றால்

தலைகீழ் மாற்றத்திற்கு derotation_matrix ஐப் பயன்படுத்தவும், மேலும் page.rect க்கு எதிரான செல்லுபடியாகும் வரம்பிற்குள் புள்ளி வருமா என்பதைச் சரிபார்க்கவும்.

நீங்கள் கலப்பு சுழற்சி கோணங்களைக் கொண்ட ஆவணங்களைக் கையாளுகிறீர்கள் என்றால்

page.rotation பக்கம் பக்கமாக படிக்கவும், உலகளாவிய மேட்ரிக்ஸை மீண்டும் பயன்படுத்த வேண்டாம் மற்றும் எல்லைக்கு வெளியே உள்ள பக்கங்களைக் குறிக்கவும்.

உங்கள் பக்கத்தில் சிக்கலான தளவமைப்புகள் அல்லது ஓரளவு சுழற்றப்பட்ட விளக்கப்படங்கள் இருந்தால்

முதலில் செயற்கை மாதிரிகள் மற்றும் சிறிய அளவிலான உண்மையான மாதிரிகள் மூலம் இயக்கவும், பின்னர் அவற்றை தானியங்கி செயல்முறைக்கு ஒப்படைக்க வேண்டுமா என்பதை முடிவு செய்யுங்கள். அசாதாரணங்களை எதிர்கொள்ளும் போது, அவற்றை கைமுறை மதிப்பாய்வுக்கு ஒப்படைக்கவும்.

❓ அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)

1. get_text() வழங்கும் ஆயத்தொலைவுகள் காட்சி நிலைக்கு ஏன் முரணாக உள்ளன?

இந்த APIகள் இயல்புநிலையாக சுழற்றப்படாத பக்கத்திற்குத் திரும்புவதால், /Rotate பண்புக்கூறு வாசகர் ரெண்டர் செய்யும் போது பயன்படுத்தப்படும்.

2. Page.rect மற்றும் get_text() இன் ஒருங்கிணைப்பு தரவுகள் ஒன்றா?

அதே இல்லை. Page.rect மற்றும் Page.bound() ஆகியவை சுழற்றப்பட்ட காட்சி அளவைப் பிரதிபலிக்கின்றன, அதே நேரத்தில் get_text() போன்ற APIகளின் ஆயத்தொலைவுகள் அசல் சுழற்றப்படாத அகலம் மற்றும் உயரத்துடன் இணைக்கப்பட்டுள்ளன.

3. சுழற்சி கோணம் 0 ஆக இருக்கும் போது மாற்றம் தேவையா?

தேவையற்ற. இந்த கட்டத்தில் rotation_matrix ஒரு அடையாள அணியாக இருக்க வேண்டும், ஆனால் மூன்றாம் தரப்பு கருவிகள் மறைக்கப்பட்ட சுழற்சி மெட்டாடேட்டாவை எழுதக்கூடும் என்பதால், சார்புநிலையை சரிபார்க்க பரிந்துரைக்கப்படுகிறது.

4. உறுதிமொழியை நிறைவேற்றிய பிறகு குறியீட்டை நேரடியாக உற்பத்திக்காகப் பயன்படுத்த முடியுமா?

பரிந்துரைக்கப்படவில்லை. இந்த கூற்று கணித உறவுகளின் பகுத்தறிவை மட்டுமே சரிபார்க்கிறது. உண்மையான PDF ஆனது தரமற்ற மீடியாபாக்ஸ், சுயாதீன CTM மாற்றம் அல்லது அசாதாரண பக்கங்களைக் கொண்டிருக்கலாம், அவை ஏற்றுக்கொள்ளும் படிவத்தின்படி உருப்படியாக மதிப்பாய்வு செய்யப்பட வேண்டும்.

📝 சுருக்கம்

ஆயத் தவறாகச் சீரமைக்கப்படுவதற்கான ஆதாரம், சுழற்றப்படாத இடத்துக்கும் காட்சி இடத்துக்கும் உள்ள வித்தியாசத்தில் உள்ளது. rotation_matrix மற்றும் derotation_matrix ஐப் பயன்படுத்தி, பக்கம் பக்கமாக ஆய்வு செய்தல் மற்றும் கைமுறை மதிப்பாய்வு ஆகியவற்றுடன் இணைந்து, ஆபத்தை சரிபார்க்கக்கூடிய வரம்பிற்குள் கட்டுப்படுத்தலாம்.

இப்போது முயற்சிக்கவும்: அசல் தளவமைப்பைத் தக்கவைத்து, மொழிபெயர்ப்பைத் தொடங்க ஆவணத்தைப் பதிவேற்றவும்