Operators

Apache PDFBoxにおけるOperatorは、PDFコンテンツストリーム内のコマンドを表現するJavaクラスであり、ページ上にテキスト、グラフィックス、その他の視覚要素をレンダリングするための基本的な命令を定義します。これらのoperatorは、 ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) で定義されているPDF仕様のコンテンツストリームoperatorに直接対応しており、低レベルのPDFコマンドを開発者がプログラム的に操作できるJavaオブジェクトに変換します。Operatorsクラスは、PDFコンテンツストリームの解析または生成時にPDFレンダリング命令を扱うための構造化された方法を提供します。

Apache PDFBoxのOperatorsクラスは、コンテンツストリーム処理APIの一部であり、PDFの視覚的コンテンツを構成する個々のコマンドを表現します。PDFファイルでは、コンテンツストリームにoperatorとそのオペランドのシーケンスが含まれており、これらがPDFレンダラーにページ上でコンテンツをどのように描画するかを指示します。各operatorは、テキストカーソルの移動（Td）、テキスト文字列の表示（Tj）、パスの描画（l、c、re）、グラフィックス状態の設定（w、J、j）など、特定の機能を実行します。

Apache PDFBoxのOperatorsクラスは、これらのPDF operatorをJavaオブジェクトとしてカプセル化し、開発者がコンテンツストリーム処理中にレンダリング命令を傍受、分析、または変更できるようにします。これは、コンテンツストリームの詳細を抽象化する高レベルのPDF APIとは異なります。Operatorsを扱うには、 ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) で規定されている基礎となるPDF構文と構造を理解する必要があります。

Operatorsの理解と活用は、基本的な文書組み立てを超えた高度なPDF操作タスクを実行する必要がある開発者にとって不可欠です。 ( Citation: N.A., 2014 (N.A.). (2014). Document management applications — Electronic document file format enhancement for accessibility — Part 1: Use of ISO 32000-1 (PDF/UA-1) .  International Organization for Standardization Retrieved from https://www.iso.org/standard/64599.html ) に準拠したアクセシブルなPDFを作成する際、開発者は適切なテキスト抽出順序と論理構造を確保するためにコンテンツストリームを分析または変更する必要がある場合があります。Operatorは、PDFレンダリングの精密な制御を可能にし、位置情報を含むテキストの抽出、文書レイアウトの分析、カスタムレンダリングロジックの実装、またはPDF生成問題のデバッグなどのタスクに有用です。

( Citation: PDF Association, 2023 PDF Association(2023). Retrieved from https://pdfa.org/resource/tagged-pdf-best-practice-guide-syntax/ ) で説明されているTagged PDFコンテンツを扱う開発者にとって、Operatorはコンテンツが適切にマークアップされ、構造化されていることを検証するために必要な低レベルアクセスを提供します。このレベルの制御は、アクセシビリティ問題のトラブルシューティングやPDF標準への準拠を確保する際に特に重要です。

Apache PDFBoxでPDFを処理する際、コンテンツストリームはoperatorとそのオペランドのシーケンスに解析されます。開発者は通常、PDFStreamEngineクラスを通じて、またはカスタムコンテンツストリームプロセッサーを実装することによってOperatorsを扱います。コンテンツストリーム内の各operator呼び出しは、処理パイプライン内の対応するメソッド呼び出しをトリガーします。

ワークフローは通常、以下のステップを含みます：

1. コンテンツストリーム解析：PDFBoxがコンテンツストリームを読み取り、operatorトークンとそのオペランドを識別します
2. Operatorインスタンス化：各operatorトークンがJava Operatorオブジェクトにマッピングされます
3. 処理：operatorとそのオペランドが登録されたプロセッサーメソッドに渡されます
4. アクション実行：カスタムコードが各operatorを検査、変更、または応答できます

例えば、「BT」（テキスト開始）、「Tf」（フォント設定）、「Tj」（テキスト表示）、「ET」（テキスト終了）などのテキストレンダリングoperatorを傍受して、書式情報を含むテキストコンテンツを抽出できます。パス構築（m、l、c、re）や描画（S、f、B）などのグラフィックスoperatorを分析して、文書レイアウトと視覚構造を理解できます。

PDFStreamEngineを拡張する開発者は、特定のoperatorに対応するメソッドをオーバーライドし、処理中に各PDF命令をどのように処理するかを正確に制御できます。

• Content Stream（コンテンツストリーム） – PDFページの視覚的外観を定義するoperatorとオペランドのシーケンス
• PDFStreamEngine – コンテンツストリームを処理し、operator呼び出しをディスパッチするApache PDFBoxクラス
• Graphics State（グラフィックス状態） – PDF operatorがコンテンツをレンダリングする方法を制御するパラメータの集合
• Text Object（テキストオブジェクト） – BTとETで囲まれた、テキストを配置および表示するoperatorのシーケンス
• Marked Content（マークされたコンテンツ） – アクセシビリティと論理的な組織化のためにコンテンツシーケンスをタグ付けするPDF構造