¿Cómo funciona el visor de PDF de Google Docs?

Question

Tengo curiosidad por saber cómo funciona el visor de PDF de Google Docs. No es un flash como scribd.com; parece un HTML puro ¿Alguna idea de cómo lo hicieron?

Sample link to view the PDF

Answer 1

Google es simplemente sirviendo una imagen (clic derecho -> Guardar como), con una superposición para resaltar el texto.

Debe consultar this SO question donde otros entran en más detalles.

También debe mirar a través de la fuente de su enlace PDF, parece que Google está pasando el enlace PDF para convertirse en una imagen.

Ejemplo:

<script type="text/javascript"> 
     var gviewElement = document.getElementById('gview'); 
     var config = { 

      'api': false, 
      'chrome': true, 
      'csi': true, 
      'ddUrl': "http://www.idfcmf.com/downloads/monthly_fund/2009/IDFC-Premier-Equityfund-jan10.pdf", 
      'element': gviewElement, 
      'embedded': false, 
      'initialQuery': "", 
      'oivUrl': "http://docs.google.com/viewer?url\x3dhttp%3A%2F%2Fwww.idfcmf.com%2Fdownloads%2Fmonthly_fund%2F2009%2FIDFC-Premier-Equityfund-jan10.pdf", 
      'sdm': 200, 
      'userAuthenticated': true 
     }; 

     var gviewApp = _createGView(config); 
     gviewApp.setProgress(50); 


      window.jstiming.load.name = 'view'; 

      window.jstiming.load.tick('_dt'); 

     </script> 

Editar

Además, si usted fuera a ver el visor de PDF en Firefox con Firebug, se dará cuenta de que cuando el texto 'destacado' en realidad sólo está permitiendo una carga de divs, supongo que Google escanea el documento usando OCR, detecta dónde está el texto y proporciona una matriz de coordenadas en la que basar la ubicación del div, cuando hace clic y lo arrastra introduce la ubicación del puntero del mouse para determinar a qué divs monitor.

Answer 2

todo es una imagen. superposición de texto resaltado - eso es fácil de entender. pero cuando presiona ctrl + c y copia al portapapeles, esa parte me tiene totalmente perplejo. porque no es posible escribir en el portapapeles usando javascript en firefox, pero este ctrl + c en la imagen funciona bien en Firefox. http://www.google.com/support/forum/p/Google+Docs/thread?tid=67dcf21ef8579b4c&hl=en&fid=67dcf21ef8579b4c00047e4a2a9fcb12

Answer 3

Estoy de acuerdo con algunas de las otras respuestas: el PDF se representa como PNG, y es muy probable que las áreas de texto estén en capas, probablemente usando un posicionamiento absoluto/relativo. Puede extraer información PDF del PDF (por supuesto ...). El formato PDF está abierto; cualquiera puede hacerlo (aunque no sea fácil). Sin embargo, hay algunas herramientas de código abierto (xPDF ...) que permiten exportar contenido PDF, como XML. Es posible que las exportaciones incluyan información como coordenadas sobre dónde deben mostrarse en la página el texto y las imágenes.