Expand description
不访问 Python 对象或 PDFium 的单线程批量计算内核。
Modules§
- annotation_
geometry - 表注片段按原顺序筛选并聚合，只返回原坐标来源，不创建新的浮点对象。
- classification_
visuals - 图上字符候选与差分像素核验；不保存 PDFium 地址或 Python 对象。
- columns
- 按当前 CPython 的求和顺序增量聚类，不重排锚点或首命中簇。
- dedup
- 保持分桶访问次序、候选上限及最早来源规则的字符重复计算。
- exact_
mean - 有限浮点数的精确二进制比率；范围过宽或累积溢出时完整使用 Python Fraction 路径。
- extraction
- 仅处理 PDFium 已读出的数值；不持有、传递或调用任何原生 PDF 句柄。
- form_
events - 扫描普通内容流的图形状态事件，特殊语法完整交回 pypdf。
- geometry
- 按批处理字符框、视觉行分隔和 canonical 几何，保留原始索引顺序。
- geometry_
lines - 在自有样本上连续计算行字形、主基线与最终 Y 风险，避免 Python 字符往返。
- geometry_
risk - 在文档内连续累积 X、Y 和跨页样式风险，不回传逐字符中间对象。
- geometry_
runs - 连续生成全文字体 run 统计，保留样本成员、相邻对和同族传播顺序。
- geometry_
style - 复用同一批 run 与样本，连续计算跨页样式异常和全文逐行字号校准。
- image_
drawing - 整数线段、多边形掩码和抗锯齿推理线；定点规则与参考后端一致。
- image_
numeric - 对独立图像字节执行数值操作，不访问 Python、PDFium 或 OpenCV。
- inline_
pairs - 行内上下标保序配对；仅计算数值关系，文字和对象物化留在 Python。
- inline_
styles - 在快照字符上连续构造样式候选、匹配装饰线并输出紧凑区间。
- note_
index - 纵向前缀的持久化高度计数树，仅保存本次候选构建的数值。
- pixels
- 对独立位图字节执行裁剪、通道排列及直角旋转，不持有 PDFium 指针。
- row_
geometry - 保序行框聚合与最大下边界查询，返回来源位置以共享 Python 原坐标。
- rule_
graphics - 新增图形规则的批量数值内核，不修改候选集合或判定阈值。
- rule_
text - 新增文字规则的批量几何；文字、字体等价关系与正则由 Python 预先计算。
- scripts
- 逐值复现 origin/loose/tight 上下标判定；Unicode 特征由 Python 提供。
- spatial
- 有界同行区间查询；每次只返回一小批行，不保存平方规模的配对集合。
- statistics
- 对单调追加的聚类直接读取中位位置，保持原比较顺序和成员索引。
- table_
candidates - 表格走廊的连续候选计算：闭区间分配、文本证据及核心几何共享一次准备。
- table_
merge - 自有表格候选的网格扩展、共享成员与动态合并；只在最终边界导出保留结果。
- tables
- 批量计算表格筛选、线段覆盖、网格连通和字符归属；候选裁决留在 Python。
- text_
assignment - 在自有文本数据上连续执行 tight-first、标点桥接及空白归属，不依赖 Python/PDFium。
- text_
classification - 原始字符分类统计，与 canonical 去重后的页面字符严格分离。
- text_
content - 在自有字符上完成正文片段组装；Unicode 分类和 NFC 组合由绑定层按解释器语义准备。
- text_
pipeline - 字符到基础文本行的连续原生管线；不携带 Python 对象或 PDFium 指针。
- text_
projection - 文字投影只处理自有 Unicode 标量和源位置；分类与连字映射继续由 Python 提供。
- text_
snapshot - 自有 PDF 文本快照；所有字符、字体和来源均为 Rust 数据，不持有 Python 或 PDFium 对象。
- text_
spacing - 与 Python 参考实现相同的相邻非 CJK 字形词界判定。