Операции с PDF документами

Операции с PDF документами (v3)

S1. WORKFLOW

ОБЯЗАТЕЛЬНО после создания или модификации PDF:

CSS-пресеты:

--custom-css "<css>" — передать произвольный CSS (заменяет пресет целиком).

• таблица → Markdown | ... | или HTML <table> + --css report;
• текстовый документ → Markdown/HTML + --css gost (или report).

Презентации (слайды)

Дек — это HTML, где каждый слайд — блок с разрывом страницы. Два пути:

1. Быстрый дек на пресете — используй класс .slide из --css presentation:

2. Полностью авторский дизайн — пиши свой <style> в HTML и рендери с --css none, чтобы пресет не вмешивался:

⚠️ Для слайдов НЕ оставляй документный пресет (gost по умолчанию) — он центрирует заголовки и добавляет абзацный отступ/выключку, ломая вёрстку. Бери presentation или none.

Извлечение текста

pymupdf устойчивее pdfplumber к обрыву потока — если ремонт не помог, извлекай через него.

Извлечение таблиц

Стратегии: lines (по умолчанию, для таблиц с линиями), text (для таблиц без рамок), explicit.

Водяные знаки и штампы

Текст (в т.ч. кириллица) рисуется weasyprint и масштабируется под реальный размер страницы (работает и на landscape-деках). --font-size 0 (по умолчанию для text) — авто-подгонка под ширину. Позиции штампа: top-right, top-left, bottom-right, bottom-left, center.

Нумерация и колонтитулы

Колонтитулы с кириллицей рендерятся корректно; формат номера поддерживает {n} и {total}.

Проверка символов (ДО рендера, если в тексте есть эмодзи/редкие знаки)

Печатает символы, которые шрифт не нарисует, с кодпоинтом и причиной (blank или notdef). Найденное заменяй текстовым эквивалентом ДО рендера: ✅ → [v], ❌ → [x], → → ->.

Валидация (ОБЯЗАТЕЛЬНО после создания/модификации)

Проверяет структуру + покрытие глифов (notdef/tofu → FAILED) и называет сами символы.