摘要： Ligatures:http://en.wikipedia.org/wiki/Typographical_ligature通过查阅文档和测试发现，在正常情况下（使用最常用的字体），LaTeX会把下面5种字母组合合并，变成一个字符。虽然视觉上很好看，但是对搜索很不利。这并不是poppler解析不彻底的问题，因为连Adobe Reader都不会解析。字母组合UTF-16/32 (type "Unicode" in poppler)UTF-8ffFB00EF AC 80fiFB01EF AC 81flFB02EF AC 82ffiFB03EF AC 83fflFB04EF AC 阅读全文

摘要： 由于poppler代码量相当大，而且内容很复杂，至今没有完全写完，刚刚更新了PdfAnalyze接口，在我上一个summary里边。http://www.cnblogs.com/se2011/archive/2011/04/22/2024419.html写完实现之后，TODO1：想办法编译过，且调试。应该没啥大问题，但会耗一些时间。TODO2：生成出的文本仍含有一些诡异的unicode，比如ffi，是EF AC 80。我会试图做进一步的转化，主要针对于类似的在paper里出现频率相当高的字母组合，以便于搜索等。 阅读全文