eCourt-note/tests/lib/pdf-actual-text.test.ts

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", "note", "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);
  });
});