Weltweit: Syntaxfrage zu durchsuchbarer PDF-Datei

Habe auch mit Hex-Editor und versch. Zeichensätzen rumprobiert... - Hat auch nichts gebracht...

PDF scheint big-endian zu sein... - Ich arbeite mit PC, also little-endian...

PDF hat wohl mind. zwei Kodierungen für Zeichen... eine scheint UTF-16BE zu sein... - Eine andere Codewahl beim Hex-Editor bringt aber auch nichts...

zeitlich überlappt...

Danke tomtoy!

Die Infopage hatte ich auch benutzt, die ist echt toll, habe aber dort leider auch nichts darüber gefunden...

Das mit RTF habe ich nicht verstanden... - Wüßte nicht wie ich nach RTF exportieren sollte (von Acrobat-Reader aus??? Oder wie meinst Du?).

Und selbst wenn ich RTF hätte, dann könnte ich doch sicher keine Rückschlüsse auf PDF machen, oder doch? - Möchte ja gerade sehen, wie es im PDF drinsteht...

Es geht mir "aktuell" nicht darum den Text im PDF zu suchen, sondern den Aufbau der PDF-Datei auf Byte-Ebene zu verstehen! - Zumindest Teile davon... - Vieles ist ja auch schön auf dem angesprochenen Link beschrieben...

Bei mir geht's um mehrere Dinge... - Zum einen das Umsortieren von Seiten im PDF (gerade/ungerade Seiten), dann auch noch um ganze Verzeichnisse mit PDF-Dateien nach Text innerhalb der PDFs zu durchsuchen per eigenem Programm und aktuell gibt's auch noch einen Scanner der keine durchsuchbaren PDFs macht, da müßte man auch mal schauen... - Das mal so als Hintergrund...

Nun ich will das PDF ja eben gerade NICHT umwandeln, sondern im Original suchen! - Sowas kann man (wenn man nur einen gewissen Punkt sucht) ja schon mal mit einem Texteditor oder Hex-Editor machen... Wenn man weiß wo welches Byte steht und wie man es interpretieren muß... - Und beim guten alten ASCII könnte man auch bequem nach Text suchen... - Und könnte sich dann wunderbar die Steuercodes um den Text herum ansehen... - Aber wenn der reine Text auch schon anders codiert ist, dann geht das natürlich nicht... - Deshalb eben den Hex-Editor genommen und die Kodierungen umgeschaltet... - Aber brachte nichts...

Ein paar Dinge in der PDF-Datei scheinen ja durchaus noch ASCII codiert zu sein, diese wenigen kann ich ja prima lesen...

Hoffe es ist jetzt klarer geworden... - Das Dokument selbst will ich nicht ändern, nein!

Was aber ganz praktisch wäre, wäre das Zusammenführen gescannter PDFs mit Korrekturmöglichkeit für die Seitenreihenfolge...

So, die Syntax für den OCR-Text habe ich zwar noch nicht gefunden, aber ich weiß nun warum ich wohl die gesuchten Wörter mit dem Editor nicht finde...

Bei einem unkomprimierten PDF würde man wohl alles mit dem Editor lesen können... - Allerdings scheint sowohl der Scanner als auch andere Programme nicht nur Bilder zu komprimieren, sondern auch Text!

Man kann bei PDF wohl sehr viel komprimieren lassen... - Bis auf ein Grundgerüst, das wohl erhalten bleiben muß, sonst funktioniert ja gar nichts mehr... Und dieses Grundgerüst kann ich ja auch sehen...

Jeglicher Text des Dokumentes (inkl. der Steuercodes in diesem Bereich) scheint aber komprimiert und dadurch unleserlich... - Müßte man erst per Programm de-komprimieren...