2. Tipos do documento

← A linguagem · Índice · Próximo: text:: →

Todo script recebe automaticamente a variável doc, que representa o PDF em análise. A partir dela você chega às páginas, fontes e imagens.

2.1 doc — o documento

Propriedades

check "Propriedades do documento" {
  print("arquivo:", doc.filename)
  print("páginas:", doc.page_count)
  print("título:", doc.title)

  // As coleções são listas comuns — aceitam todos os métodos de lista
  require doc.pages.length == doc.page_count
  require doc.fonts.length > 0
  print("imagens no documento inteiro:", doc.images.length)
}

Métodos

doc.extract_text()

Todo o texto do documento, com as páginas separadas por quebra de linha.

check "Texto do documento" {
  texto = doc.extract_text()
  assert texto.trim() != "", "PDF sem texto extraível (só imagens?)"
  require texto.contains("Contrato")
  print("caracteres no total:", texto.length)
}

2.2 page — a página

Páginas vêm de doc.pages (dentro de blocos) ou da variável page (dentro de uma rule).

Propriedades

check "Formato das páginas" {
  doc.pages.each { |page|
    // number é o que o usuário vê; index é para cálculos internos
    assert page.width > 100mm,
      "página #{page.number} estreita demais: #{page.width}pt"

    // Caixas: essenciais para impressão
    assert page.has_trim_box,
      "página #{page.number} sem TrimBox (área de corte)"
    assert page.has_bleed_box,
      "página #{page.number} sem BleedBox (sangria)"
  }
}

check "Tinta e traços" {
  doc.pages.each { |page|
    assert page.tac <= 300,
      "página #{page.number}: #{page.tac}% de tinta (limite 300%)"

    // min_stroke_width pode ser null (página sem traços) —
    // null é falso, então este teste é seguro:
    assert !page.min_stroke_width || page.min_stroke_width >= 0.25,
      "página #{page.number} tem traço fino demais"
  }
}

Métodos

page.extract_text()

Texto apenas desta página.

check "Páginas em branco" {
  brancas = doc.pages.filter { |p| p.extract_text().trim() == "" }
  assert brancas.length == 0,
    "#{brancas.length} página(s) em branco: #{brancas.map { |p| p.number }.join(", ")}"
}

2.3 font — a fonte

Fontes vêm de doc.fonts.

check "Fontes embutidas" {
  // Fonte não embutida é substituída pelo leitor — o texto muda de aparência
  doc.fonts.each { |font|
    assert font.is_embedded,
      "fonte '#{font.name}' não está embutida no PDF"
  }
}

check "Relatório de fontes" {
  print("fontes usadas:", doc.fonts.map { |f| f.name }.join(", "))
  faltando = doc.fonts.filter { |f| !f.is_embedded }
  print("não embutidas:", faltando.length)
}

2.4 image — a imagem

Imagens vêm de doc.images (todas) ou page.images (de uma página).

O DPI é o efetivo, calculado como pixels ÷ tamanho impresso na página — não o valor nominal gravado nos metadados. É o número que importa para qualidade de impressão: uma imagem de 1000 px esticada para ocupar 20 cm tem DPI baixo, mesmo que os metadados digam outra coisa.

profile "imagens-para-offset" {
  const DPI_MINIMO = 300

  check "Resolução" {
    doc.images.each { |img|
      assert img.dpi >= DPI_MINIMO,
        "imagem #{img.width}x#{img.height}px na página #{img.page_number}: #{img.dpi} DPI (mínimo #{DPI_MINIMO})"
    }
  }

  check "Espaço de cor" {
    // Impressão offset trabalha em CMYK; RGB precisa de conversão
    doc.images.each { |img|
      assert img.color_space != "DeviceRGB",
        "imagem RGB na página #{img.page_number} — converter para CMYK"
    }
  }

  check "Imagens por página" {
    doc.pages.each { |page|
      // page.images traz só as imagens daquela página
      print("página", page.number, "tem", page.images.length, "imagem(ns)")
    }
  }
}

2.5 region — área da página

Regiões delimitam áreas retangulares para validar partes específicas da página: rodapé, cabeçalho, área do código de barras, tarja de medicamento.

Criando

// region(x, y, largura, altura [, "nome"])
// A origem (0,0) é o canto INFERIOR esquerdo, como no PDF.
cabecalho = region(0, 742, 595, 100, "cabeçalho")
rodape = region(0, 0, 595, 60, "rodapé")
tarja = region(20mm, 250mm, 60mm, 15mm, "tarja vermelha")

Propriedades

Métodos

check "Trabalhando com regiões" {
  rodape = region(0, 0, 595, 60, "rodapé")

  require rodape.name == "rodapé"
  require rodape.top == 60.0
  require rodape.right == 595.0
  require rodape.area == 35700.0

  // Um ponto no rodapé?
  require rodape.contains_point(300, 30)
  require !rodape.contains_point(300, 500)

  // Sobreposição: útil para detectar elementos invadindo áreas
  cabecalho = region(0, 780, 595, 62)
  require !rodape.intersects(cabecalho)

  // expand/inset devolvem NOVAS regiões (a original não muda)
  folga = rodape.expand(5mm)      // 5mm maior de cada lado
  seguro = rodape.inset(3mm)      // 3mm menor de cada lado
  require folga.area > rodape.area
  require seguro.area < rodape.area
}

Usando regiões nas validações

profile "bula-farmaceutica" {

  check "Tarja de tarja vermelha" {
    // A tarja precisa estar no topo, com texto legal
    tarja = region(0, 700, 595, 142, "tarja")
    conteudo = text::extract_from_region(1, tarja)
    assert conteudo.contains("VENDA SOB PRESCRIÇÃO"),
      "tarja sem o texto obrigatório"
  }

  check "Tinta na área de dobra" {
    // Excesso de tinta na dobra causa problemas de acabamento
    dobra = region(290, 0, 15, 842, "dobra central")
    medida = prepress::calculate_tac_by_region(1, dobra)
    assert medida.first() < 240,
      "tinta demais na dobra: #{medida.first()}%"
  }

  check "Código de barras no lugar certo" {
    area_codigo = region(400, 20, 180, 80, "área do código")
    assert codes::validate_barcode_position(area_codigo),
      "código de barras fora da área reservada"
  }
}

← A linguagem · Índice · Próximo: text:: →