pdf阅读器开发

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

文章基于sumatrapdf的实现（当中mupdf中的内容不会太多涉及）。以及自己在此基础上做的
优化，扩展。详细效果能够參考百度阅读器精简版。

最NB的还是得属于foxit。渲染速度一流，展示大图片时非常快。

第一部分：PDF基础

第二部分：PDF功能实现

1.展示模式和坐标变换
pdf原生支持一些展示模式，在sumatrapdf的实现中又有一些展示模式，能够实现
pdf原生支持的这些模模式，并在此基础上扩展出一些展示模式。

而模式大概分为两类：
一类模式是有一个虚拟的Canvas。每个页面一行一行地排列在上面，每行可能有一个，两个，甚至
多个页面。Canvas有上下左右边距，页面间有水平和垂直的边距。这个时候，全部的页面都处于
可见状态。然后使用一个矩形框，矩形的边平行于Canvas的边，矩形框被称为Screen矩形。当中的
内容为用户可见。将Canvas的信息提供给上层，于是就能够控制ScreenRect在Canvas上移动。看当中
的pdf。当页面旋转，缩放时，Canvas的大小发生变化，这个时候通知上层Canvas发生变化。

还有一类模式是Canvas中仅仅包括有限的页面。典型的是仅仅有两个页面，用来模拟读书的效果。

这样Screen
矩形中仅仅能看到Canvas中的页面，通过点击页面，使得Canvas中包括的页面发生变化，达到切换页面的
目的。这样做能够降低Canvas排版时的开销。

在后面，仅仅讨论第一类模式下的pdf展示。

页面在Canvas上占领一个矩形。这个矩形称为Device。在页面内部。有一个坐标系。称
之为User坐标系，该坐标系在pdf文件内部使用。一个User坐标系中的点能够变换到Device矩形中。
当中Device的左上角为原点。

而Device中的点能够变换到Canvas中，以Canvas的左上角为原点。
相同的，以Screen矩形的左上角为原点。点的坐标又发生变化。更进一步。Screen相对于窗体的位置
知道，还能够计算出点在窗体中的坐标（一般而言Screen在窗体中铺满）。这样，能够通过
鼠标位置计算出来pdf内部的元素，进而实现一些功能。

在sumatrapdf中提供了一些基础的变换工具，通过一个A矩阵。
A = [a b 0;c d 0;e f 1]
来描写叙述变化。同一时候在高层实现时还提供了Device，Canvas等坐标系之间的高层次抽象的变换工具，其
实现是用较底层的实现的变换，比方：fz_concat，fz_translate。fz_scale等。

。。

2.主要的pdf展示
pdf展示能够按以下的层次组织api：

最底层应该是"Canvas布局"，通过PageInfo数组来表示，PageInfo中记录了Page在Canvas中的全部信息。

接着一个层次称为"可见区域"：给出了Screen在Canvas中的位置，以及Screen本身的大小，PageInfo中
含有很多其它的信息。比方可见部分的比例（用于计算），页面在Screen中的位置，第一个可见页面和最
后一个可见页面（自己加的用于优化）

在"可见区域"上是"渲染请求"。用于向渲染器请求開始渲染页面。

再接着就是"导航"：上一页，下一页，最前一页，最后一页，缩放，滚动，旋转。
"导航"层依赖于其它层次，适当的时候发起渲染请求，窗体重绘请求。

在须要绘制时依据当前绘制信息（"可见区域"层计算出来的东西）。从页面图像缓存中取出图像。
然后绘制。通常会先绘制Canvas背景，页面背景（比方阴影效果，书页效果），然后再是页面内容。

这样，整个展示逻辑比較清楚了（在某些导航下可能一些中间步骤不必要），分为两条线：

导航->布局->计算可见区域->发起渲染请求->发起重绘请求
接收渲染请求->渲染->缓存渲染结果->按需展示渲染结果

3.渲染器
在底层库的基础上，渲染器提供三个不同抽象层次的api：
runPage。renderPage，RenderBitmap
当中runPage是基础将pdf_page对象展示到fz_device中。能够控制剪裁矩阵，变换矩阵等。

在mupdf中，有称为display_list的设备。将page展示到这个设备的时候。会生成一个list，将
该list缓存起来后。能够通过fz_execute_display_list来加速渲染。

将pdf的内容视为源码，在解析pdf后形成的一些内部对象视为字节码，生成display_list时就
相当于把字节码翻译为机器码。

最基本fz_device的莫过于画图，当page对象展示到device中的时候就生成相应位图。利用device
这个抽象，还能够在展示时提取文字。提取图片（后面会讲）。计算页面内容占的大小。

renderPage在runPage之上。能够将page渲染到HDC上。

RenderBitmap会调用renderPage或runPage生成位图。

觉得在某些情况下使用gdi+有优势。

另外，还有两个细节：
一个是页面分块，当页面太大的时候，会控制渲染粒度。
还有一方面在将图像展示到窗体时，可能出现缓冲未命中。这个时候须要通过返回码告诉上层。同一时候
还能够计算出预计的渲染完毕时间，让上层在完毕时再次Paint。

4.实现文本。图片选择
引入一个文本选择逻辑的类：
第一类选择方法会给出某个起点和当前点，这样内部通过计算两个点所在的glyph，然后把两个
glyph之间的glyph选中。

选中结果被描写叙述为页面和矩形的列表。表示在页面上有一个矩形是选中的。

第二类选择方法会给出两个页面，然后选中页面中的全部glyph。

构造器在上述保存一个绝对的选中结果的同一时候，须要提供方法。输入当前的Screen位置。返回一些
须要在当前Screen上绘制的矩形。

然后还得提供一个推断方法，表示当前鼠标是否在某个glyph上，以便于上层推断鼠标是否是在文字上
（这里的glyph都是文字）。

落在的文字能够是选中的也能够是未选中的。推断在选中的文字上用于
右键弹出菜单提示复杂文本，推断在未选中的文字上用于改变鼠标形状，发起文本选择的拖动。

此外。还得有个方法取出选中的文本。

文本选择器是能够优化的，主要是在全部选中时，这个时候维护的数据结构量大，影响效率。能够配合
pdf模块。在全选状态下。仅仅生成当前可见页面的选择数据。当然，在一些用户行为下须要将全选状态
清除掉。

图片选择同理，仅仅是内部关心的glyph变成了图片，并且图片选择器和文本选择器须要协同工作（在后
面还会提到文本搜索，这个逻辑也应该和图片选择文本选择协同工作）。

如今还有个问题。怎样导出pdf中的图片。

首先依据当前页面（假设有多个页面须要知道鼠标位置所在的页面），拿到一个图像信息列表。接着
依据当前鼠标位置按一定策略计算出选中的图像。

于是就得到选中信息了。

另外还要提供获取图像数
据的接口。（这里不考虑按住ctrl选中多个图片。由于永远在当前页面操作）。

怎样获取图像信息列表，怎样获取当前图像呢？

前文提到能够将页面展示在某个fz_device上，我们能够新建一个device。
图像device须要实现fill_image成员，这样在runPage的时候在遇到图像会调用fill_image。

device在工作模式为获取图像列表的时候，每调用一次则为图像分配ID，记录图像位置。

device在工作模式为获取图像数据时，须要知道相应的图像ID，这样在展示在该device时每调用
一次还是分配一次ID，直到ID和目标ID相同，这时将数据保存下来。

最后。选择结果的显示应该是在OnPaint时，在绘制完当前Screen内容后。再合成上去的。似乎不能
原生地在渲染时也绘制选择结果。

5.实现文字搜索
一个任务队列就可以实现。每个任务就是一个搜索请求，任务过程中不断向主线程发进度消息。
搜索模块在主线程中收到进度消息时从搜索任务中取结果（注意搜索结果是多线程訪问的）。
在收到进度消息时，假设原有的结果选择为空。则导航到搜索结果页面，展示时会显示这个搜索结果。
同一时候有必要向外通知当前的选中的搜索结果发生变化。

另外还应该向外界通知搜索进度发生变化。

假设有连续的多个搜索请求，仅仅须要把前一个任务停止（搜索任务要能即时停止，仅仅须要在任务中加
一个事件。须要停止时地主线程中激发这个事件），然后再加一个新任务。

6.实现pdf朗读
首先要求pdf中是有文本的，而朗读的实现MS有提供：SAPI。

从前面的讨论能够知道，能知道当前页面
中的文本，于是就能朗读。假设SAPI能够回调当前朗读位置，则能够实现页面同步滚动。假设不能
回调当前朗读位置，也能够通过每次增加一小段须要朗读文本的方法，实现按文本段落同步滚动。甚至
玩得花哨一点，还能够把当前朗读文本高亮起来。

第三部分 pdf优化

7.1首次展示优化
7.1.1 明白什么时候pdf開始绘制
在展示pdf时有非常多非常多配置项，最好要求上层有一个统一的初始化，在初始化完毕后就能够開始渲染。

比方。影响pdf展示的有ScreenRect大小。起始页面，背景图（颜色），边距信息等。

要注意两个点。一个点是什么时候開始渲染，最好是有明白的接口。在接口调用前pdf处于一个初始
化的状态。依据上层调用来初始化配置。

在接口调用后就開始渲染pdf。

还有一个点是上层不要频繁变
化配置，否则会导致上次渲染结果失效。

比方上层在通知pdf開始展示后再把历史记录中的上次位置
应用到pdf上，比方显示的窗体（影响ScreenRect）发生变化。

7.1.2主动触发重绘
在首次渲染完毕后能够通过自己定义消息强制重绘。不必等上层等到Timer再触发绘制。

7.1.3 outline载入
pdf_load_outline这函数没有必要在pdf载入时调用。等须要时再调用。

7.1.4 字体载入
create_system_font_list会扫描一下系统的字体，然后得到某个数据结构。大概会扫描几百兆文件，
文件数量也非常多。扫描过程中会在文件里跳着读一些信息。RP好的时候非常快。和系统及磁盘的缓存
机制有关。RP差的时候可能得十几秒，无法忍受。

所以。这里的数据能够自己缓存起来。

另外mupdf中还有一些宏。控制着一些内建字体数据，能够把这些数据丢掉，以降低pdf模块大小。可是
可能会造成少量的pdf文件乱码。

7.1.5 图片背景颜色识别
大图片渲染慢。我们能够展示和页面背景类似的颜色，这样，在展示时会先显示背景色，过一会儿
再展示内容，那么这种闪烁较小。怎样识别背景颜色呢？在页面上先几个矩形区域，计算主元素
得到的值能够觉得就是当前页面的颜色。而依据已经渲染过的页面的颜色能够预測没有渲染过的页面
的颜色。而渲染过的页面颜色能够记录在内存中。

当然，不同页面的背景色不同，或者没有背景色（
背景有非常多颜色，可是不存在某种颜色占优势），识别了也没实用。

7.2 选择绘制优化
选择就是给出一堆矩形。然后绘制出矩形的并。

由于不能原生地绘制选择效果。所以是在pdf渲染完毕后。
后期做AlphaBlend。gdi+能够依据region来绘制。只是实际效果不太好，或者是有些參数没有设置正确。

绘制矩形并的问题是。同一块区域两次AlphaBlend。和一次AlphaBlend的效果不同。所以必须保证一个区域
仅仅做一次AlphaBlend。

一方案是先把矩形集合绘制到一个图上，然后两张图做AlphaBlend。还有一个方案是先
计算出矩形的并。然后分别单独绘制这些矩形。计算矩形并不是常简单，扫描线算法。在y方向上做离散化。然后
在x方向上扫描。

7.3 多渲染模式
回顾前面说的展示pdf的接口的层次，"布局"。"可见区域"，"渲染请求"，"导航"。我们从"渲染请求"
这层入手引入多渲染模式。

这里"渲染请求"简单地说仅仅是渲染一些页面。渲染器会渲染并缓存起来（有
可能的话页面分分块），等待展示时再显示出来，假设在展示时发现丢失则自己主动发起请求。考虑这样一
个情形，拖动滚动栏：pdf模块在收到请求后，依据当前位置发起渲染请求。

然后收到OnPaint消息后进
行绘制，绘制时和收到请求时有一个时间差，在这段时间内，可能收到新的请求，当前的Screen位置已
经发生变化，于是。绘制失败。仅仅显示背景色。所以须要引入新的渲染模式。

上面提到的已有的渲染缓存绘制的图像可能比較多，由于是按页分块绘制。假定一个页就是一块，那么
在同一个Screen中能看到两个页的时候，就须要绘制两页。

假设页面有分块，比方一个页面分为4块。
会使得绘制效率有所提升，额外的渲染少一点。

自然而然，能够引入一个渲染模式，仅仅绘制当前Screen
中的部分。考虑仅仅绘制Screen的内容的特殊性，我们将渲染请求队列的限制大小为1，也就是说绘制的内
容永远是最后一次请求时应该显示的画面。尽管有这种渲染结果，可是我们无法决定显示哪个结果。
所以还须要引入一个状态控制变量，控制变量会控制在OnPaint时选择哪个结果缓存中的内容（这个变量并
不控制哪种渲染模式工作，哪种渲染模式不工作，而是负责控制取哪个渲染模式的结果，从后面的分析
能够看到。两个渲染模式能够都工作。并行的）。将两种渲染请求分别种为"普通渲染请求"，"Screen渲染
请求"。渲染结果称为"普通渲染缓存"，"Screen渲染缓存"。

当拖动的时候。将状态切换为显示Screen缓存中的内容。这个时候显示的最大特点就是和OnPaint时的
Screen的位置无关，显示是强制的。假设全部是拖动请求，那么显示的将是拖动过程中遇到的全部画面的
子集，显示的页面越多，说明渲染速度越快，达到了尽可能向用户呈现结果的目的。假设在老的渲染模式
中主动丢一些帧。可是也不能达到这种效果。显示时和渲染时的时间差是硬伤，所以引入一个状态控制
变量，表示显示的东西和当前的Screen位置无关。

"渲染请求"层的API依据当前的展示模式，发起不同的渲染请求。

在发起Screen渲染请求时，要注意请求的
设计中要能描写叙述当前页面的全部状态。一般包括，显示的页面信息。文字选中信息，图像选中信息，搜索
结果显示。同一时候在发起Screen渲染请求时。能够顺便再发一个普通的渲染请求，尽量保证在切换到展示"普
通渲染结果"时有结果。不会出现白屏。而在发起普通渲染请求时能够把当前页面附近的放在前面，然后顺
便放一些当前可见页面前后的页面渲染请求。

还须要提供放弃"Screen渲染缓存"的API。由于有的时候须要放弃，见后面分析。

可是引入两种模式会带来新的问题：

问题1. 怎样实现两种模式的渲染？
两种渲染能够在同一个线程。可是问题有两种请求时怎样决定先渲染谁，一定是Screen请求吗？这个难以
回答，所以开个线程中，两个线程一起干活。

非常不幸。pdf的渲染内核不是线程安全的。于是就在上面加
个锁吧。渲染本质是单线程的。可是通过系统来决定渲染谁，系统锁的算法，两个线程的工作状态将影响
谁先渲染。当年。就姑且这样干了，如今回忆起来。还有方案的：多进程渲染。渲染进程分两种，一种是
传统的渲染方法。还有一种是按Screen渲染的方法。传统渲染的能够开多个进程，有可能的话。在主进程还
有个渲染线程。而Screen渲染的按其定义应该仅仅开一个进程。

这样，渲染模块在处理Screen渲染上没大变化，
而传统渲染涉及将请求分布到渲染线程，渲染进程上。在显示时，要知道渲染线程。渲染进程的缓存有哪
些，然后绘制，有可能的话。再次派发请求。

不折腾的话。就留一个渲染线程，开一个Screen渲染进程足
矣。终于策略应该取决于性能分析结果。

于是。实现问题搞定，使用两个线程假并行。

问题2. 怎样实现两种模式的无缝切换？
显示。Screen渲染不是万能的，两种模式各有优点。两种展示模式之间可能切换。而当中的一类问题是。
从展示Screen渲染缓存切换到展示普通渲染缓存时，普通渲染缓存不命中。
上面已经提到，在"渲染请求"时。在发起"Screen渲染请求"时也顺便有普通的渲染请求。这能对问题的
解决起促进作用。

还有一点是能够在Screen渲染完毕时。发出一个"假Paint消息"，收到这个消息时，渲染
器负责把当前的Screen展示到NULL的dc上。其作用是更新缓存。

当然。上面两个策略能尽量降低Screen渲染展示到普通渲染展示时的白屏现象。不能彻底解决。

从普通渲染缓存展示切换到Screen渲染缓存展示会有什么问题呢？
假设切换到展示Screen渲染缓存时。已经有缓存结果了，在新的Screen没有渲染出来时，收到OnPaint消息，
于是旧的结果就被展示，呈现出一些古怪的，令人啼笑皆非的现象。

这个问题非常好解决，提供一个放弃
"Screen渲染缓存"的API，仅仅要切换到Screen渲染缓存。则要事先运行一次放弃缓存的逻辑。

当然，有可能
在放弃后，又有新的渲染结果被填进去，这个不用考虑。

在Screen模式不变的情况下也可能出现故障：
比方跳到第5页。使用展示Screen渲染缓存的模式。然后再跳到第7页。

这个时候也应该删除一次Screen渲染
缓存。

当然不是说有的Screen模式不变的情况下都要删除上一次的缓存，比方前面说的，拖动。拖动就是要
利用上一次渲染的结果，使得拖动时不会太难看。

在引入新的模式后。在拖动时会切换展示模式，可是不是全部的文档都须要切啊。假设渲染速度非常快，我们
就不切切。

这个非常easy，依据已有的渲染结果预測渲染速度。依据速度来决定展示模式的切换策略。

关于多渲染模式的很多其它思考：这种模式能应用于很多其它的文档展示。

能在模式中增加第三个模式，可是之间
同步的复杂度会更高。