Merge branch 'py-pdf:main' into text-layout-mode

py-pdf · Jan 4, 2024 · cefbfc6 · cefbfc6
2 parents bb9190b + 89baa2c
commit cefbfc6
Show file tree

Hide file tree

Showing 3 changed files with 57 additions and 1 deletion.
diff --git a/resources/multicolumn-lorem-ipsum.txt b/resources/multicolumn-lorem-ipsum.txt
@@ -0,0 +1,44 @@
+                                   Two-Column Document with Lorem Ipsum
+
+                                                                                      Your Name
+                                                                                 January 3, 2024
+
+Abstract                                                                                             pellentesque ante.  Phasellus adipiscing semper elit.
+                                                                                                     Proin fermentum massa ac quam.  Sed diam turpis,
+This is a sample document with two columns ﬁlled                                                     molestie vitae, placerat a, molestie nec, leo.  Maece-
+with Lorem Ipsum text.                                                                               nas lacinia. Nam ipsum ligula, eleifend at, accumsan
+    Lorem ipsum dolor sit amet,  consectetuer adip-                                                  nec, suscipit a, ipsum.  Morbi blandit ligula feugiat
+iscing elit.   Ut purus elit, vestibulum ut, placerat                                                magna.  Nunc eleifend consequat lorem.  Sed lacinia
+ac, adipiscing vitae, felis. Curabitur dictum gravida                                                nulla vitae enim.   Pellentesque tincidunt purus vel
+mauris.       Nam  arcu  libero,  nonummy  eget,  con-                                               magna.  Integer non enim.  Praesent euismod nunc
+sectetuer id, vulputate a, magna.   Donec vehicula                                                   eu purus.  Donec bibendum quam in tellus.  Nullam
+augue eu neque.   Pellentesque habitant morbi tris-                                                  cursus pulvinar lectus.  Donec et mi.  Nam vulpu-
+tique senectus et netus et malesuada fames ac turpis                                                 tate metus eu enim. Vestibulum pellentesque felis eu
+egestas.   Mauris ut leo.   Cras viverra metus rhon-                                                 massa.
+cus sem.   Nulla et lectus vestibulum urna fringilla                                                     Quisque ullamcorper placerat ipsum.  Cras nibh.
+ultrices.  Phasellus eu tellus sit amet tortor gravida                                               Morbi vel justo vitae lacus tincidunt ultrices. Lorem
+placerat. Integer sapien est, iaculis in, pretium quis,                                              ipsum dolor sit amet, consectetuer adipiscing elit. In
+viverra ac, nunc.   Praesent eget sem vel leo ultri-                                                 hachabitasseplateadictumst. Integertempusconva-
+ces bibendum.  Aenean faucibus.  Morbi dolor nulla,                                                  llis augue. Etiam facilisis. Nunc elementum fermen-
+malesuada eu, pulvinar at, mollis ac, nulla.   Cur-                                                  tum wisi.  Aenean placerat.  Ut imperdiet, enim sed
+abitur auctor semper nulla.  Donec varius orci eget                                                  gravida sollicitudin, felis odio placerat quam, ac pul-
+risus.  Duis nibh mi, congue eu, accumsan eleifend,                                                  vinar elit purus eget enim. Nunc vitae tortor. Proin
+sagittis quis, diam. Duis eget orci sit amet orci dig-                                               tempus nibh sit amet nisl. Vivamus quis tortor vitae
+nissim rutrum.                                                                                       risus porta vehicula.
+    Nam dui ligula, fringilla a, euismod sodales, sollic-
+itudin vel, wisi. Morbi auctor lorem non justo. Nam                                                      Fusce mauris.  Vestibulum luctus nibh at lectus.
+lacus libero, pretium at, lobortis vitae, ultricies et,                                              Sed bibendum, nulla a faucibus semper, leo velit ul-
+tellus.   Donec aliquet, tortor sed accumsan biben-                                                  tricies tellus, ac venenatis arcu wisi vel nisl. Vestibu-
+dum,  erat ligula aliquet magna,  vitae ornare odio                                                  lum diam. Aliquam pellentesque, augue quis sagittis
+metus a mi.  Morbi ac orci et nisl hendrerit mollis.                                                 posuere, turpis lacus congue quam, in hendrerit risus
+Suspendisse ut massa.  Cras nec ante.  Pellentesque                                                  eros eget felis.  Maecenas eget erat in sapien mattis
+a nulla. Cum sociis natoque penatibus et magnis dis                                                  porttitor.  Vestibulum porttitor.  Nulla facilisi.  Sed
+parturient montes, nascetur ridiculus mus. Aliquam                                                   a turpis eu lacus commodo facilisis.  Morbi fringilla,
+tincidunturna. Nullaullamcorpervestibulumturpis.                                                     wisi in dignissim interdum, justo lectus sagittis dui,
+Pellentesque cursus luctus mauris.                                                                   et vehicula libero dui cursus dui.   Mauris tempor
+    Nulla malesuada porttitor diam. Donec felis erat,                                                ligula sed lacus.  Duis cursus enim ut augue.  Cras
+congue non, volutpat at, tincidunt tristique, libero.                                                ac magna.  Cras nulla.  Nulla egestas.  Curabitur a
+Vivamus viverra fermentum felis.  Donec nonummy                                                      leo.   Quisque egestas wisi eget nunc.   Nam feugiat
+
+
+                                                                                                  1
diff --git a/sample-files b/sample-files
diff --git a/tests/test_workflows.py b/tests/test_workflows.py
@@ -24,6 +24,7 @@
 TESTS_ROOT = Path(__file__).parent.resolve()
 PROJECT_ROOT = TESTS_ROOT.parent
 RESOURCE_ROOT = PROJECT_ROOT / "resources"
+SAMPLE_ROOT = PROJECT_ROOT / "sample-files"
 
 sys.path.append(str(PROJECT_ROOT))
 
@@ -1039,3 +1040,14 @@ def test_cr_with_cm_operation():
     )
     # currently threre is still a white space on last line missing
     # so we can not do a full comparison.
+
+
+@pytest.mark.samples()
+@pytest.mark.xfail(reason="#2388 implements this")
+def test_text_extraction_layout_mode():
+    pdf_path = SAMPLE_ROOT / "026-latex-multicolumn/multicolumn.pdf"
+    reader = PdfReader(pdf_path)
+    actual = reader.pages[0].extract_text(extraction_mode="layout")
+    with open(RESOURCE_ROOT / "multicolumn-lorem-ipsum.txt") as fp:
+        expected = fp.read()
+    assert actual.strip() == expected.strip()
+14 −4		.github/workflows/json_consistency.py
+4 −0		.gitignore
+2 −0		026-latex-multicolumn/Makefile
+ −		026-latex-multicolumn/multicolumn.pdf
+36 −0		026-latex-multicolumn/multicolumn.tex
+10 −0		files.json