Show
Ignore:
Timestamp:
02/08/07 22:23:59 (17 years ago)
Author:
jerome
Message:

Now uses Python's universal newline detection to read input files,
and also uses file objects directly instead of calling their xreadlines()
method.
Fixed an accounting problem in the PDF parser for some type of files.

Files:
1 modified

Legend:

Unmodified
Added
Removed

  • pkpgcounter/trunk/pkpgpdls/pdf.py

    r428 r450  
    6262        inobject = 0 
    6363        objre = re.compile(r"\s?(\d+)\s+(\d+)\s+obj[<\s/]?") 
    64         for fullline in self.infile.xreadlines() : 
    65             parts = [ l.strip() for l in fullline.splitlines() ] 
    66             for line in parts : 
    67                 if line.startswith("% ") :     
     64        for line in self.infile : 
     65            line = line.strip() 
     66            if line.startswith("% ") :     
     67                if inobject : 
     68                    obj.comments.append(line) 
     69                else : 
     70                    lastcomment = line[2:] 
     71            else : 
     72                # New object begins here 
     73                result = objre.search(line) 
     74                if result is not None : 
     75                    (major, minor) = [int(num) for num in line[result.start():result.end()].split()[:2]] 
     76                    obj = PDFObject(major, minor, lastcomment) 
     77                    obj.content.append(line[result.end():]) 
     78                    inobject = 1 
     79                elif line.startswith("endobj") \ 
     80                  or line.startswith(">> endobj") \ 
     81                  or line.startswith(">>endobj") : 
     82                    # Handle previous object, if any 
    6883                    if inobject : 
    69                         obj.comments.append(line) 
    70                     else : 
    71                         lastcomment = line[2:] 
    72                 else : 
    73                     # New object begins here 
    74                     result = objre.search(line) 
    75                     if result is not None : 
    76                         (major, minor) = [int(num) for num in line[result.start():result.end()].split()[:2]] 
    77                         obj = PDFObject(major, minor, lastcomment) 
    78                         obj.content.append(line[result.end():]) 
    79                         inobject = 1 
    80                     elif line.startswith("endobj") \ 
    81                       or line.startswith(">> endobj") \ 
    82                       or line.startswith(">>endobj") : 
    83                         # Handle previous object, if any 
    84                         if inobject : 
    85                             # only overwrite older versions of this object 
    86                             # same minor seems to be possible, so the latest one 
    87                             # found in the file will be the one we keep. 
    88                             # if we want the first one, just use > instead of >= 
    89                             oldobject = objects.setdefault(major, obj) 
    90                             if minor >= oldobject.minor : 
    91                                 objects[major] = obj 
    92                             inobject = 0         
    93                     else :     
    94                         if inobject : 
    95                             obj.content.append(line) 
     84                        # only overwrite older versions of this object 
     85                        # same minor seems to be possible, so the latest one 
     86                        # found in the file will be the one we keep. 
     87                        # if we want the first one, just use > instead of >= 
     88                        oldobject = objects.setdefault(major, obj) 
     89                        if minor >= oldobject.minor : 
     90                            objects[major] = obj 
     91                        inobject = 0         
     92                else :     
     93                    if inobject : 
     94                        obj.content.append(line) 
    9695                         
    9796        # Now we check each PDF object we've just created. 
    9897        # colorregexp = re.compile(r"(/ColorSpace) ?(/DeviceRGB|/DeviceCMYK)[/ \t\r\n]", re.I) 
    99         newpageregexp = re.compile(r"(/Type)\s?(/Page)[/\s]", re.I) 
     98        newpageregexp = re.compile(r"(/Type)\s?(/Page)[/>\s]", re.I) 
    10099        pagecount = 0 
    101100        for obj in objects.values() : 
    102101            content = "".join(obj.content) 
    103102            count = len(newpageregexp.findall(content)) 
    104             pagecount += count 
     103            if count and (content != r"<</Type /Page>>") : # Empty pages which are not rendered ? 
     104                pagecount += count 
    105105        return pagecount     
    106106