2. Typen des Dokuments

Jedes Skript erhält automatisch die Variable doc, die das analysierte PDF darstellt. Von ihr aus erreicht man Seiten, Schriften und Bilder.

---

2.1 doc — das Dokument

Eigenschaft	Typ	Inhalt
doc.page_count	Zahl	Anzahl der Seiten
doc.title	Text	Titel aus den Metadaten (leer, wenn er fehlt)
doc.author	Text	Autor aus den Metadaten (leer, wenn er fehlt)
doc.filename	Text	Name der analysierten Datei
doc.pages	Liste	Alle Seiten
doc.fonts	Liste	Alle verwendeten Schriften
doc.images	Liste	Alle Bilder über alle Seiten hinweg

Methode: doc.extract_text() — der Text des ganzen Dokuments, Seiten durch Zeilenumbrüche getrennt.

check "Document properties" {
  print("file:", doc.filename)
  print("pages:", doc.page_count)

  // Diese Sammlungen sind gewöhnliche Listen — alle Methoden funktionieren
  require doc.pages.length == doc.page_count
  require doc.fonts.length > 0

  text = doc.extract_text()
  assert text.trim() != "", "PDF has no extractable text (images only?)"
  print("total characters:", text.length)
}

---

2.2 page — die Seite

Seiten kommen aus doc.pages (in einem Block) oder aus der Variable page (in einer rule).

Eigenschaft	Typ	Inhalt
page.number	Zahl	Seitennummer, ab 1
page.index	Zahl	Index, ab 0
page.width / page.height	Zahl	Breite / Höhe in Punkt
page.images	Liste	Bilder dieser Seite
page.tac	Zahl	Geschätzter maximaler Gesamtfarbauftrag (%)
page.ink_coverage	Zahl	Geschätzter mittlerer Farbauftrag (%)
page.min_stroke_width	Zahl/null	Dünnste Linie (pt); null, wenn es keine Linie gibt
page.has_media_box usw.	Wahrheitswert	has_crop_box, has_trim_box, has_bleed_box, has_art_box

Methode: page.extract_text() — nur der Text dieser Seite.

check "Page format" {
  doc.pages.each { |page|
    // number ist die Nummer für Menschen, index dient internen Rechnungen
    assert page.width > 100mm,
      "page #{page.number} is too narrow: #{page.width}pt"

    // Die Rahmen: für den Druck unverzichtbar
    assert page.has_trim_box, "page #{page.number} has no TrimBox (trim area)"
    assert page.has_bleed_box, "page #{page.number} has no BleedBox (bleed area)"

    assert page.tac <= 300,
      "page #{page.number}: #{page.tac}% ink (limit 300%)"

    // min_stroke_width kann null sein (keine Linie auf der Seite).
    // null ist falsch, deshalb ist das hier sicher:
    assert !page.min_stroke_width || page.min_stroke_width >= 0.25,
      "page #{page.number} has a hairline stroke"
  }
}

check "Blank pages" {
  leere = doc.pages.filter { |p| p.extract_text().trim() == "" }
  assert leere.length == 0,
    "#{leere.length} blank page(s): #{leere.map { |p| p.number }.join(", ")}"
}

---

2.3 font — die Schrift

Kommt aus doc.fonts. Eigenschaften: font.name (Name) und font.is_embedded (eingebettet oder nicht).

check "Embedded fonts" {
  // Eine nicht eingebettete Schrift ersetzt der Betrachter — der Text ändert sich
  doc.fonts.each { |font|
    assert font.is_embedded,
      "font '#{font.name}' is not embedded in the PDF"
  }
  print("fonts in use:", doc.fonts.map { |f| f.name }.join(", "))
}

---

2.4 image — das Bild

Kommt aus doc.images (alle) oder page.images (die einer Seite).

Eigenschaft	Inhalt
image.width / image.height	Breite / Höhe in Pixeln
image.dpi	Effektive Auflösung (der kleinere Wert von dpi_x und dpi_y)
image.dpi_x / image.dpi_y	Effektive Auflösung waagerecht / senkrecht
image.color_space	DeviceRGB, DeviceCMYK, Indexed …
image.page_number	Seite, auf der es steht (ab 1)
image.bits_per_pixel	Bittiefe

Die DPI-Angabe ist effektiv, berechnet als „Pixel ÷ gedruckte Größe auf der Seite“, nicht der Nennwert aus den Metadaten. Diese Zahl entscheidet über die Druckqualität: Ein Bild mit 1000 px, auf 20 cm gezogen, hat eine niedrige Auflösung, ganz gleich was seine Metadaten behaupten.

profile "images-for-offset" {
  const MIN_DPI = 300

  check "Resolution" {
    doc.images.each { |img|
      assert img.dpi >= MIN_DPI,
        "image #{img.width}x#{img.height}px on page #{img.page_number}: #{img.dpi} DPI (minimum #{MIN_DPI})"
    }
  }

  check "Color space" {
    // Offset arbeitet in CMYK; RGB muss umgewandelt werden
    doc.images.each { |img|
      assert img.color_space != "DeviceRGB",
        "RGB image on page #{img.page_number} — convert to CMYK"
    }
  }

  check "Images per page" {
    doc.pages.each { |page|
      print("page", page.number, "has", page.images.length, "image(s)")
    }
  }
}

---

2.5 region — ein Bereich der Seite

Eine Region grenzt einen Teil der Seite durch ein Rechteck ab. Damit prüft man Fußzeilen, Kopfzeilen, den Platz eines Strichcodes oder ein Pflichtangaben-Band.

Erzeugen: region(x, y, breite, höhe [, "name"]), der Ursprung (0,0) liegt wie im PDF unten links.

Eigenschaft	Inhalt		Methode	Zweck
region.name	Bei der Erzeugung vergebener Name		contains_point(x, y)	Liegt der Punkt darin?
region.x / region.y	Untere linke Ecke		intersects(andere)	Überlappen sich beide Regionen?
region.width / region.height	Maße		expand(pt)	Neue, allseitig vergrößerte Region
region.right / region.top	Rechter / oberer Rand (berechnet)		inset(pt)	Neue, allseitig verkleinerte Region
region.area	Fläche (Quadratpunkt)		export_coordinates()	[x0, y0, x1, y1]

check "Working with regions" {
  fuss = region(0, 0, 595, 60, "footer")

  require fuss.name == "footer"
  require fuss.top == 60.0
  require fuss.right == 595.0
  require fuss.area == 35700.0
  require fuss.contains_point(300, 30)
  require !fuss.contains_point(300, 500)

  // Überlappungserkennung: nützlich, um ein Element zu finden,
  // das in einen reservierten Bereich hineinragt
  kopf = region(0, 780, 595, 62)
  require !fuss.intersects(kopf)

  // expand/inset liefern eine NEUE Region (die ursprüngliche bleibt)
  require fuss.expand(5mm).area > fuss.area
  require fuss.inset(3mm).area < fuss.area
}

profile "medicine-label" {
  check "Prescription band" {
    // Das Band muss oben stehen und den Pflichttext tragen
    band = region(0, 700, 595, 142, "band")
    assert text::extract_from_region(1, band).contains("PRESCRIPTION ONLY"),
      "band is missing the mandatory text"
  }

  check "Ink in the fold area" {
    // Zu viel Farbe im Falz bricht in der Weiterverarbeitung
    falz = region(290, 0, 15, 842, "center fold")
    messung = prepress::calculate_tac_by_region(1, falz)
    assert messung.first() < 240,
      "too much ink on the fold: #{messung.first()}%"
  }

  check "Barcode in the right place" {
    codebereich = region(400, 20, 180, 80, "barcode area")
    assert codes::validate_barcode_position(codebereich),
      "barcode outside the reserved area"
  }
}

---

← Die Sprache · Inhalt · Weiter: text:: →