डिफ़ॉल्ट अनुलग्नकों को https://docs.google.com/gview का उपयोग करके सुरक्षित रूप से देखा जाता है, हालांकि यह पता चला है कि आपको सादे HTTP पर फ़ाइलों का अनुरोध करने की अनुमति है। यह Wireshark का उपयोग कर क्या हो रहा है यह जानने के लिए थोड़ा आसान बनाता है।
जैसा कि आपने संकेत दिया था कि यह पहले से ही स्पष्ट था कि पीडीएफ सर्वर पक्ष पर एक पीएनजी में परिवर्तित हो गया है (ImageMagick वास्तव में इस उद्देश्य के लिए एक उचित समाधान है), इसके लिए स्पष्ट कारण अभी भी सक्षम होने पर सटीक लेआउट को संरक्षित करना है पीडीएफ व्यूअर की आवश्यकता के बिना फ़ाइल देखने के लिए।
हालांकि, यातायात में देखने से मुझे पता चला जब बुला/GView? एक = जीटी कि पूरे पीडीएफ भी एक कस्टम XML स्वरूप में बदल जाती है & DocID = & चान = & thid = (यह रूप में जल्द ही किया जाता है आप दस्तावेज़ का अनुरोध करते हैं)। चूंकि मैं एक्सएमएल की प्रतिलिपि बनाने के लिए वायरशर्क का उपयोग नहीं कर सका, मैंने फ़ायरफ़ॉक्स एक्सटेंशन Live HTTP Headers पर पहुंचाया।
<pdf2xml>
<meta name="Author" content="Bruce van der Kooij"/>
<meta name="Creator" content="Writer"/>
<meta name="Producer" content="OpenOffice.org 3.0"/>
<meta name="CreationDate" content="20090218171300+01'00'"/>
<page t="0" l="0" w="595" h="842">
<text l="188" t="99" w="213" h="27" p="188,213">Programmabureau</text>
<text l="85" t="127" w="425" h="27" p="85,117,209,61,277,21,305,124,436,75">Nederland Open in Verbinding (NOiV)</text>
</page>
</pdf2xml>
मैं काफी यकीन नहीं है अभी तक क्या पाठ तत्व पर सभी विशेषताओं के लिए खड़े (डब्ल्यू और ज को छोड़कर) पर वे स्पष्ट रूप से पाठ और संभवतः लंबाई के निर्देशांक कर रहे हैं: यहाँ एक अंश है । the JavaScript Google uses is minimized (या संभवतया अस्पष्ट हो गया है, लेकिन यह संभव नहीं है) क्लाइंट-साइड चयन फ़ंक्शन कैसे काम करता है, यह बिल्कुल आसान नहीं है। लेकिन सबसे अधिक संभावना है कि यह इस एक्सएमएल फाइल का उपयोग यह पता लगाने के लिए करें कि उपयोगकर्ता किस पाठ को देख रहा है और उसके बाद उपयोगकर्ता के क्लिपबोर्ड पर प्रतिलिपि बनाता है।
ध्यान दें कि pdf2xml नामक एक ओपन सोर्स (जीपीएल लाइसेंस प्राप्त) उपकरण है जो समान है लेकिन काफी उत्पादन नहीं है।यहाँ अपने मुखपृष्ठ से उदाहरण है:
<?xml version="1.0" encoding="utf-8" ?>
<pdf2xml pages="3">
<title>My Title</title>
<page width="780" height="1152">
<font size="10" face="MHCJMH+FuturaT-Bold" color="#FF0000">
<text x="324" y="37" width="132" height="10">Friday, September 27, 2002</text>
<img x="324" y="232" width="277" height="340" src="text_pic0001.png"/>
<link x="324" y="232" width="277" height="340" dest_page="2" dest_x="141" dest_y="187"/>
</font>
<font size="12" face="AGaramond-Regular" italic="true" bold="true">
<text x="509" y="68" width="121" height="12">This is a test PDF file</text>
<link x="509" y="68" width="121" height="12" href="www.mobipocket.com"/>
</font>
</page>
</pdf2xml>
आशा इस जानकारी किसी भी तरह से उपयोगी है, अन्य पोस्टर में से एक है लेकिन जैसे ही रास्ता उल्लेख यकीन है कि क्या गूगल करता है उन्हें पूछकर है किया जाना है। यह एक शर्म की बात है कि Google के पास आधिकारिक आईआरसी चैनल नहीं है लेकिन उनके पास a forum for Google Docs support questions है।
शुभकामनाएं।
मुझे लगता है कि टी और एल शीर्ष और बाएं के लिए खड़े हैं। Google को फ़ॉन्ट डेटा की आवश्यकता नहीं है क्योंकि पीएनजी के अंदर फ़ॉन्ट प्रस्तुत किया जाता है। तो पीडीएफ 2 एक्सएमएल शायद जनरेटर है, लेकिन एक्सएमएल बाद में पार्स किया गया था और कुछ डेटा हटा दिया गया था। –