61 lines
3.2 KiB
TypeScript
61 lines
3.2 KiB
TypeScript
|
import { readFileSync } from "node:fs";
|
||
|
|
import { join } from "node:path";
|
||
|
|
|
||
|
|
import { PDFDocument, PDFDict, PDFName, PDFRawStream, StandardFonts, decodePDFRawStream } from "pdf-lib";
|
||
|
|
import { describe, expect, it } from "vitest";
|
||
|
|
|
||
|
|
import { collectActualTextRuns, fixPdfActualText } from "@/lib/pdf-actual-text";
|
||
|
|
|
||
|
|
// ไฟล์คำสั่งศาลปกครองจริง — cmap ของฟอนต์เพี้ยน (สระ/วรรณยุกต์กลายเป็น control char)
|
||
|
|
// แต่ฝัง /ActualText ถูกไว้ใน marked content
|
||
|
|
const SAMPLE = readFileSync(
|
||
|
|
join(process.cwd(), "public", "samples", "court_command_11_123 1.pdf"),
|
||
|
|
);
|
||
|
|
|
||
|
|
describe("collectActualTextRuns — เรียนรู้ glyph จาก ActualText ของไฟล์จริง", () => {
|
||
|
|
it("เจอรันหลักพัน + มีอย่างน้อย 1 ฟอนต์", async () => {
|
||
|
|
const pdfDoc = await PDFDocument.load(SAMPLE, { ignoreEncryption: true });
|
||
|
|
const runs = collectActualTextRuns(pdfDoc);
|
||
|
|
const total = Array.from(runs.values()).reduce((n, list) => n + list.length, 0);
|
||
|
|
expect(runs.size).toBeGreaterThanOrEqual(1);
|
||
|
|
expect(total).toBeGreaterThan(500);
|
||
|
|
});
|
||
|
|
});
|
||
|
|
|
||
|
|
describe("fixPdfActualText — ซ่อม ToUnicode บนสำเนาในหน่วยความจำ", () => {
|
||
|
|
it("ไฟล์ cmap เพี้ยน: ได้ bytes ใหม่ ที่ CMap มีสระ/วรรณยุกต์ถูกต้อง", async () => {
|
||
|
|
const out = await fixPdfActualText(new Uint8Array(SAMPLE));
|
||
|
|
expect(Buffer.from(out).equals(SAMPLE)).toBe(false); // มีการแก้จริง
|
||
|
|
|
||
|
|
// โหลดซ้ำ → หา ToUnicode ของทุกฟอนต์ → ต้องมี ู (U+0E39) และ ี (U+0E35) โผล่
|
||
|
|
const doc = await PDFDocument.load(out, { ignoreEncryption: true });
|
||
|
|
let cmapAll = "";
|
||
|
|
for (const page of doc.getPages()) {
|
||
|
|
const fontRes = page.node.Resources()?.lookup(PDFName.of("Font"));
|
||
|
|
if (!(fontRes instanceof PDFDict)) continue;
|
||
|
|
for (const [, ref] of Array.from(fontRes.entries())) {
|
||
|
|
const font = doc.context.lookup(ref);
|
||
|
|
if (!(font instanceof PDFDict)) continue;
|
||
|
|
const toUni = font.get(PDFName.of("ToUnicode"));
|
||
|
|
if (!toUni) continue;
|
||
|
|
const stream = doc.context.lookup(toUni);
|
||
|
|
if (stream instanceof PDFRawStream) {
|
||
|
|
cmapAll += Buffer.from(decodePDFRawStream(stream).decode()).toString("latin1");
|
||
|
|
}
|
||
|
|
}
|
||
|
|
}
|
||
|
|
expect(cmapAll).toMatch(/<0E39>/); // ู
|
||
|
|
expect(cmapAll).toMatch(/<0E35>/); // ี
|
||
|
|
expect(cmapAll).not.toMatch(/<FEFF>/); // ไม่ใส่ BOM ในแต่ละ entry
|
||
|
|
});
|
||
|
|
|
||
|
|
it("PDF ปกติไม่มี ActualText: คืน bytes เดิมทั้งก้อน (ไม่แตะ)", async () => {
|
||
|
|
const doc = await PDFDocument.create();
|
||
|
|
const font = await doc.embedFont(StandardFonts.Helvetica);
|
||
|
|
doc.addPage().drawText("hello", { font, size: 12 });
|
||
|
|
const bytes = await doc.save();
|
||
|
|
const out = await fixPdfActualText(bytes);
|
||
|
|
expect(Buffer.from(out).equals(Buffer.from(bytes))).toBe(true);
|
||
|
|
});
|
||
|
|
});
|