PDFium浅入探索：初识PDFium开源项目与PDF文件格式。
PDFium
PDFium 的编译非常快。小样儿，弄不了Chromium我还编译不了PDFium ？
结果…… PDFium 的编译同样需要depot_tools。git设置了代理后，可以将depot_tools拉取下来，但是无法运行，gclient卡半天啥都不干，最终给你来个报错。
C:\tmp\chromium\depot_tools>netsh
netsh>netsh
The following command was not found: netsh.
netsh>winhttp
netsh winhttp>set proxy localhost:10434
Current WinHTTP proxy settings:
Proxy Server(s) : localhost:10434
Bypass List : (none)
netsh winhttp>set NO_AUTH_BOTO_CONFIG=C:\tmp\chromium\depot_tools\boto.cfg
The following command was not found: set NO_AUTH_BOTO_CONFIG=C:\tmp\chromium\depot_tools\boto.cfg.
netsh winhttp>
C:\tmp\chromium\depot_tools>set NO_AUTH_BOTO_CONFIG=C:\tmp\chromium\depot_tools\boto.cfg
C:\tmp\chromium\depot_tools>set http_proxy=http://localhost:10434
C:\tmp\chromium\depot_tools>
C:\tmp\chromium\depot_tools>set https_proxy=http://localhost:10434
C:\tmp\chromium\depot_tools>git config --global http.proxy http://localhost:10434
C:\tmp\chromium\depot_tools>git config --global https.proxy http://localhost:10434
C:\tmp\chromium\depot_tools>gclient config --unmanaged https://pdfium.googlesource.com/pdfium.git
…… 卡半天，最终出错
只能退而求其次，按照这篇文章介绍的方法，编译旧版代码：
资源只有两个github上的旧仓库：
- https://github.com/PDFium/PDFium
- https://github.com/bnoordhuis/gyp (基于python的vs项目生成工具，解压至PDFium/build/gyp)
编译过程：
一、生成vs项目。
-
照做，编辑pdfium.gyp，去掉v8。
-
安装python2.7， 确保命令行敲python出来的的是python2.7而不是python3。
-
打开命令行，进入build目录，执行命令：
python gyp_pdfium.py
运行后，会根据不同平台生成对应工程文件。……
二、编译运行项目
照做，注释掉一些javascript相关的代码，比如初始化GetJSRuntimeFactory，释放release等等。
编译，这就很简单了。然后，设置test为启动项目，debug参数写入 --bmp pdf文件全路径，F5运行，这就跑起来了！示例很简单，将PDF渲染输出为bmp图片。
PDF文件格式
相对于Markdown，PDF处于更偏向于印刷的阶段，可以看作印刷的中间体、编辑器的交换文件。Markdown是纯文本标记语言，word解压后有自己的标记格式，那么PDF是否也有这样的文本标记呢？答案是肯定的。
使用Apache-PDFBox稍做测试：
<dependency>
<groupId>org.apache.pdfbox</groupId>
<artifactId>pdfbox</artifactId>
<version>2.0.21</version>
</dependency>
吐槽下一Maven，许多情况都可能导致Maven Import空转，无法导入想要的依赖库。这种情况下建议用IDEA新建项目，然后右击选Add Framework Support，加入Maven管理，最后在pom文件中<project><dependencies>标签下插入上面的依赖。
PDDocument document = null;
try {
document = PDDocument.load(new File("D:\\PDFJsAnnot\\sample.pdf"));
} catch (IOException ex) {
System.out.println("" + ex);
}
PDPageTree pages = document.getDocumentCatalog().getPages();
Iterator<PDPage> iter = pages.iterator();
int i =1;
String name = null;
while (iter.hasNext()) {
PDPage page = (PDPage) iter.next();
InputStream cin = page.getContents();
byte[] buffer = new byte[1024];
ByteOutputStream out = new ByteOutputStream();
int len;
while ((len=cin.read(buffer))>0) {
out.write(buffer, 0, len);
}
buffer = out.getBytes();
CMN.Log(new String(buffer));
PDResources resources = page.getResources();
COSDictionary pageImages = resources.getCOSObject();
CMN.Log(pageImages);
}
输出：
1 0 0 1 81.96 735.02 cm
1 1 1 1 k 1 1 1 1 K
1 0 0 1 388.54 0 cm
1 1 1 1 k 1 1 1 1 K
1 0 0 1 -298.27 -236.43 cm
1 1 1 1 k 1 1 1 1 K
1 1 1 1 k 1 1 1 1 K
1 0 0 1 5.86 0 cm
BT
/F25 20.66 Tf 0 0 Td[(Sample)-250(PDF)-250(Document)]TJ/F26 14.35 Tf 57.7 -53.8 Td[(Robert)-249(Maron)]TJ -19.8 -17.93 Td[(Grze)16(gorz)-250(Grudzi)]TJ 97.78 0.14 Td[(�)]TJ -1.21 -0.14 Td[(nski)]TJ -89.12 -34.04 Td[(February)-249(20,)-250(1999)]TJ
ET
1 0 0 1 -96.13 -403.05 cm
1 1 1 1 k 1 1 1 1 K
1 0 0 1 388.54 0 cm
1 1 1 1 k 1 1 1 1 K
不难观察出，PDF一页的内容就是首尾两个矩阵一样的东西包绕着BT文本开始、ET文本结束，许多这样的结构罗列成一页内容。内中又有许多Td、TJ 包绕的文本段，像这样Td[(单词)-间距(单词)-间距(单词)]TJ，可以看到似乎是没有空格、tab的。
看到这里我就想，无非是一些坐标+字符数据，我能否抛开PDFium自己渲染PDF呢？于是我在自己的安卓播放器项目里简单测试了一下，一个FrameLayout里放50个绘制文本的控件，每个View绘制10*10个字符，一页总共5000个字符，结果页面的缩放、移动就很卡，对比测试一下，果断放弃。这说明PDFium还是有自己特别的文字渲染技术的。
