dsh-pdf
DSH 的 PDF 解析工具：pdf_info、pdf_extract_text、pdf_render_page 三件套，pdfjs 与自研渲染器双引擎，未内嵌 CJK 字体的 PDF 也能用系统字体渲染出图。
文档渲染
README@zhtx2026/dsh-pdf
DeepSeek Harness 的 PDF 解析工具集 — 提供
pdf_info/pdf_extract_text/pdf_render_page三个模型可见工具，双引擎架构，未内嵌中文字体的 PDF（如嘉立创 EDA / EasyEDA 导出的原理图）自动切换系统字体渲染。
标签: dsh-plugin · pdf · pdfjs · canvas · schematic · tools
安装
▼sh复制代码dsh plugin --profile web add @zhtx2026/dsh-pdf
开发期可从本地源码安装：
▼sh复制代码dsh plugin --profile web add link:<路径>
重启 DSH（或开新会话）后生效，同时注入中文协作公告。
工具
| 工具 | 能力 |
|---|---|
pdf_info | 页数、页面尺寸（pt）、文档元数据、字体列表及每项 embedded 内嵌标记。 |
pdf_extract_text | 按页提取文字；可选 page 与 withPosition（每行 x/y 坐标 + 字号）。 |
pdf_render_page | 把一页渲染为本地 PNG；scale/outDir 可配；渲染引擎自动选择。 |
为什么需要自研渲染器
pdfjs-dist 无法渲染「字体未内嵌且无 ToUnicode 映射」的 PDF 文字 —— 典型就是
嘉立创 EDA / EasyEDA 导出的原理图（SimSun/SimHei Type0 字体、
UniGB-UCS2-H 编码）：pdfjs 会报 translateFont failed 并丢字。
dsh-pdf 用双引擎解决：
- pdfjs 引擎 — 字体全部内嵌时使用（常规 PDF）。
- sysfont 引擎 — 自研内容流渲染器：自己解析文本算子
（
BT/ET、Tf、Tm、Td、Tj、TJ），把UniGB-UCS2-H/UTF-16BE 串解码为 Unicode，再经@napi-rs/canvas用系统字体（宋体、黑体、 微软雅黑……）绘制。
文字提取同样自动选择：字体全内嵌 → pdfjs 文本层；存在未内嵌字体 → 自研解码器（正确还原 pdfjs 会丢失的中文）。
示例
▼text复制代码pdf_info("D:/Downloads/SCH_SA-V11A.pdf") → 3 页、A3 横向、jsPDF 生成、6 个字体（全部未内嵌） pdf_extract_text("D:/Downloads/SCH_SA-V11A.pdf", { page: 1 }) → 网络名、引脚号、中文标签（"主控板"、"嘉立创"……） pdf_render_page("D:/Downloads/SCH_SA-V11A.pdf", { page: 1, scale: 2 }) → D:/Downloads/SCH_SA-V11A-pages/page-1.png （2396×1698，engine: sysfont）
架构
lib/index.js— cordis 插件入口（name、inject、apply）；以原生工具 对象注册三个工具（标准 JSON-Schemaparameters/output，无需依赖@deepseek-ai/dsh-tools），并注入中文协作公告（systemPrompt.section， order 160）。lib/pdf-core.js— 自包含引擎：PDF 对象解析器、字体扫描、基于 fs 的CMapReaderFactory/StandardFontDataFactory加载 pdfjs（Node 24 全局fetch不支持file://）、自研文本提取器、sysfont 渲染器。cordis.patch.yml—dsh.bundle.patch插入行。
限制
- 扫描件/纯图片 PDF 无文字层，提取不到文字（渲染仍可用，等同原图）。
- sysfont 渲染器假设
Type0的 CID 即 Unicode 码点（UniGB-UCS2-H导出 成立）；特殊 CID 字体回退 pdfjs。 - 大文件整份读入内存解析。
许可证
文档渲染
