Detect word breaks between elements against a reconstructed advance width

src/Document/ContentStream/ContentStream.php

@@ -87,18 +87,36 @@ public function getText(Document $document, Page $page, LineGroupingStrategy $li
 
             $previousTextElementOnLine = null;
             foreach ($positionedTextElementsForLine as $positionedTextElement) {
-                if (($positionedTextElementText = $positionedTextElement->getText($document, $page)) === '') {
+                $elementText = $positionedTextElement->getText($document, $page);
+                if ($elementText === '') {
                     $previousTextElementOnLine = $positionedTextElement;
                     continue;
                 }
 
-                if ($previousTextElementOnLine !== null
-                    && ($positionedTextElement->absoluteMatrix->offsetX - $previousTextElementOnLine->absoluteMatrix->offsetX - $positionedTextElement->getFont($document, $page)->getWidthForChars($previousTextElementOnLine->getCodePoints(), $previousTextElementOnLine->textState, $previousTextElementOnLine->absoluteMatrix)) >= ($previousTextElementOnLine->textState->fontSize ?? 10) * $previousTextElementOnLine->absoluteMatrix->scaleX * 0.40
-                    && str_ends_with($text, ' ') === false && str_starts_with($positionedTextElementText, ' ') === false) {
-                    $text .= ' ';
+                if ($previousTextElementOnLine !== null) {
+                    // The gap between two elements is what remains of the horizontal distance once the previous
+                    // element's own advance is subtracted. That advance is reconstructed by getAdvanceWidth() because
+                    // Tj/TJ do not move the text matrix here; ignoring it (as the old next-element-font width did) left
+                    // the TJ kerning term in the gap and forced a slack threshold.
+                    $gap = $positionedTextElement->absoluteMatrix->offsetX
+                        - $previousTextElementOnLine->absoluteMatrix->offsetX
+                        - $previousTextElementOnLine->getAdvanceWidth($document, $page);
+
+                    $wordBreakThreshold = ($previousTextElementOnLine->textState->fontSize ?? 10)
+                        * $previousTextElementOnLine->absoluteMatrix->scaleX
+                        * ($previousTextElementOnLine->textState->scale / 100)
+                        * PositionedTextElement::WORD_BREAK_THRESHOLD_EM;
+
+                    if (
+                        $gap >= $wordBreakThreshold
+                        && str_ends_with($text, ' ') === false
+                        && str_starts_with($elementText, ' ') === false
+                    ) {
+                        $text .= ' ';
+                    }
                 }
 
-                $text .= $positionedTextElementText;
+                $text .= $elementText;
                 $previousTextElementOnLine = $positionedTextElement;
             }
         }

src/Document/ContentStream/PositionedText/PositionedTextElement.php

@@ -67,4 +67,35 @@ public function getHeight(): float {
             * abs($this->absoluteMatrix->scaleY)
             * ($this->textState->scale / 100);
     }
+
+    /**
+     * The horizontal distance, in device space, that showing this element advances the text cursor, per the
+     * displacement formula in the PDF spec §9.4.4:
+     *
+     *   ((w0 − Tj/1000)·Tfs + Tc + Tw·[single-byte code 32]) · Th , transformed by the text rendering matrix.
+     *
+     * Reconstructed here because Tj/TJ do not advance the text matrix in this parser.
+     */
+    public function getAdvanceWidth(Document $document, Page $page): float {
+        $font = $this->getFont($document, $page);
+        $scaleX = $this->absoluteMatrix->scaleX;
+        $fontSize = $this->textState->fontSize ?? 10;
+
+        $glyphAdvance = $font->getWidthForChars($this->getCodePoints(), $this->textState, $this->absoluteMatrix); // Σ (w0·Tfs + Tc + Tw·[code 32]) · scaleX
+        $offsetAdvance = -($this->getTotalOffset() / 1000) * $fontSize * $scaleX;                                 // − Σ(Tj)/1000 · Tfs · scaleX
+
+        return ($glyphAdvance + $offsetAdvance) * ($this->textState->scale / 100); // · Th
+    }
+
+    /** The sum of the TJ adjustment numbers in this element's segments, in thousandths of an em. */
+    public function getTotalOffset(): float {
+        $totalOffset = 0.0;
+        foreach ($this->textSegments as $textSegment) {
+            if ($textSegment->offset !== null) {
+                $totalOffset += $textSegment->offset;
+            }
+        }
+
+        return $totalOffset;
+    }
 }

src/Document/Object/Decorator/Font.php

@@ -146,7 +146,12 @@ public function getWidthForChar(int $characterCode, TextState $textState, Transf
             $characterWidth = $this->getDefaultWidth();
         }
 
-        return ($characterWidth * ($textState->fontSize ?? 10) + $textState->charSpace) * $transformationMatrix->scaleX;
+        // Word spacing (Tw) applies only to the single-byte character code 32, and never to composite (Type0) fonts (spec §9.3.3).
+        $wordSpace = ($textState->wordSpace !== 0.0 && $characterCode === 32 && $this->getDescendantFonts() === [])
+            ? $textState->wordSpace
+            : 0.0;
+
+        return ($characterWidth * ($textState->fontSize ?? 10) + $textState->charSpace + $wordSpace) * $transformationMatrix->scaleX;
     }
 
     /** @param list<int> $chars */

tests/Samples/files/gdocs-hello-world-simple-password/contents.yml

@@ -11,4 +11,4 @@ creationDate: null
 modificationDate: null
 pages:
   -
-    content: Helloworld
+    content: 'Hello world'

tests/Samples/files/gdocs-hello-world-simple/contents.yml

@@ -11,4 +11,4 @@ creationDate: null
 modificationDate: null
 pages:
   -
-    content: Helloworld
+    content: 'Hello world'

tests/Samples/files/gdocs-lorem-ipsum-with-titles-and-formatting/contents.yml

@@ -12,56 +12,56 @@ modificationDate: null
 pages:
   -
     content: |-
-      Namquodmolestiasvelcorporis
+      Nam quod molestias vel corporis
       aperiam.
-      Loremipsumdolorsitamet.EtomnisperferendisEtquisquamquilaboriosamexplicaboet
-      natuscorruptiautrepudiandaeiurequoinventoreitaqueetodioatque.Quinecessitatibus
-      oditetcommodiaccusamusEtfuga!
-      Quidistinctiopraesentiumsedcorporisreiciendiseum
-      molestiaeeius.
-      Quiaperiamaspernaturremconsecteturullamestquodquiarchitectocorporiset
-      repellendusexpedita!ExfugaducimusEaipsametnobisarchitectosedrationedeseruntet
-      iuresapientequianimiQuis.CumquodfaciliseosexercitationemquamEstullamest
-      galisumassumendacumdistinctiotemporaquiquasirerumetpariaturharum.
-      Estinciduntrepellatautiustoodit.
-      EtmagnamincidunteumpossimusperspiciatisQuopariaturautperferendislaboriosam
-      eumrepellatipsautdebitisipsautdistinctiodolores!EtrerumexpeditaAutullamadullam
-      delenitiestfacilisconsequaturutarchitectonobis.
-      Nondebitisexpeditaeareprehenderitasperioresetvoluptatemquos.
-      NonminimasolutaSeddelectusquirepellendusdoloremetgalisumquia.Nonsuntdebitis
-      abvitaeaspernaturExminuseumoptioassumendaestvoluptatemillumetharumipsam
-      remveniamculpa.AutadipiscideseruntnoninventorerationeHicistevelsintundenon
-      solutanullainculpaiureetquiarecusandae?QuiveniamquiaidmaioresexcepturiQui
-      doloresetofficiaaperiamabsintexcepturi.
-      Estmolestiasillumestdolorempraesentiumcumsolutanesciunt.
-      UtvelitaspernaturutearumdebitisQuiullamautquoddolorumquomolestiaemagniet
-      corruptiminima.IddolorerrorabdignissimoscorporisQuocommodi.Etsolutadoloribus
-      Eosquaeinmagnampraesentiumautaccusantiumlaboriosamnonnemoreprehenderit.
-      EtevenietducimusUtvoluptatemetporrovelitidsuscipitimpedit!VelculpaitaqueEosfuga
-      auttotamlaudantiumquievenietmolestiaeveldoloresfugiat.
-      EstsaepesolutaetverovoluptatemQuomaxime!EostemporaquasadnesciuntitaqueEa
-      nihiletullamrepellatetvoluptatemdelectus.AutvoluptatumpariaturIdmolestiascum
-      nobismolestias.UtvelitdistinctioExconsectetureosdebitisperspiciatisaminuscommodi
-      eosdoloribusautemvelaccusamussequietquidemreiciendis.
-      ● Utautemexcepturiutsequilaboriosamestquasdebitisetplaceatconsequatur!
+      Lorem ipsum dolor sit amet. Et omnis perferendis Et quisquam qui laboriosam explicabo et
+      natus corrupti aut repudiandae iure quo inventore itaque et odio atque. Qui necessitatibus
+      odit et commodi accusamus Et fuga!
+      Qui distinctio praesentium sed corporis reiciendis eum
+      molestiae eius.
+      Qui aperiam aspernatur rem consectetur ullamest quod qui architecto corporis et
+      repellendus expedita! Ex fuga ducimus Ea ipsam et nobis architecto sed ratione deserunt et
+      iure sapiente qui animi Quis. Cum quod facilis eos exercitationem quam Est ullam est
+      galisum assumenda cum distinctio tempora qui quasi rerum et pariatur harum.
+      Est incidunt repellat aut iusto odit.
+      Et magnam incidunt eum possimus perspiciatis Quo pariatur aut perferendis laboriosam
+      eum repellat ipsa ut debitis ipsa ut distinctio dolores! Et rerum expeditaAut ullam ad ullam
+      deleniti est facilis consequatur ut architecto nobis.
+      Non debitis expedita ea reprehenderit asperiores et voluptatem quos.
+      Non minima soluta Sed delectus qui repellendus dolorem et galisum quia. Non sunt debitis
+      ab vitae aspernatur Ex minus eum optio assumenda est voluptatem illum et harum ipsam
+      rem veniam culpa. Aut adipisci deserunt non inventore ratione Hic iste vel sint unde non
+      soluta nulla in culpa iure et quia recusandae? Qui veniam quia id maiores excepturiQui
+      dolores et officia aperiam ab sint excepturi.
+      Est molestias illum est dolorem praesentium cum soluta nesciunt.
+      Ut velit aspernatur ut earum debitis Qui ullam aut quod dolorum quo molestiae magni et
+      corrupti minima. Id dolor error ab dignissimos corporis Quo commodi. Et soluta doloribus
+      Eos quae in magnam praesentium aut accusantium laboriosam non nemo reprehenderit.
+      Et eveniet ducimus Ut voluptatem et porro velit id suscipit impedit! Vel culpa itaque Eos fuga
+      aut totam laudantium qui eveniet molestiae vel dolores fugiat.
+      Est saepe soluta et vero voluptatemQuo maxime! Eos tempora quas ad nesciunt itaque Ea
+      nihil et ullam repellat et voluptatem delectus. Aut voluptatum pariatur Id molestias cum
+      nobis molestias. Ut velit distinctioEx consectetur eos debitis perspiciatis a minus commodi
+      eos doloribus autem vel accusamus sequi et quidem reiciendis.
+      ● Ut autem excepturi ut sequi laboriosam est quas debitis et placeat consequatur!
   -
     content: |-
-      ● Quiautemvoluptaseumdeseruntdolor.
-      ● Innesciuntquiaquiasperiorescorruptisedperspiciatistemporaidminusarchitecto!
-      ● Rembeataequosautfugitvero.
-      ● Atadipiscienimidreiciendisofficiis.
-      ● Sedsapientequiaquisintdoloremvelimpeditmagni.
-      Etdictavoluptatemsitfugitsaepevelnullaetdebitisiureetipsavoluptas?Estfacereharum
-      etinventoreevenietAutrerumestmolestiasquamquiperspiciatismagnam.
-      QuieligendisaepeetnequeautemAomnisetpariaturrerumestdolorererumestfacere
-      quasi.Sitdoloremquiaetveritatisremaliasdeleniti.Etvoluptatemlaborumetimpedit
-      atqueautsuscipit.RemundequoscumreprehenderittemporeQuieaquesitrerumdistinctio
-      utipsamculpaaberrorsuntetquaeratQuis.
-      Inrecusandaedoloridlaudantiumomnisautvelitautperferendisomnisquitenetur
-      explicabo.EtmaximeassumendaetipsamitaqueAutdelenitiutexcepturialiasetfugit
-      facerenonmodilaudantium.QuisapientererumnonsuntipsumAdmaximeestvelit
-      eligendiautquaeratofficiaestarchitectomagnam?
-      1. Etsequiipsumetexpeditaipsumeumdolorelaborum.
-      2. Idenimundeeoscommodiquidemeteiusquaerat.
-      3. EsttemporeveritatissedaliquamQuis.
-      4. Quiquastemporautvoluptatesdoloribusestfacilisdeserunt33distinctiointernos.
+      ● Qui autem voluptas eum deserunt dolor.
+      ● In nesciunt quia qui asperiores corrupti sed perspiciatis tempora id minus architecto!
+      ● Rem beatae quos aut fugit vero.
+      ● At adipisci enim id reiciendis officiis.
+      ● Sed sapiente quia qui sint dolorem vel impedit magni.
+      Et dicta voluptatem sit fugit saepevel nulla et debitis iure et ipsa voluptas? Est facere harum
+      et inventore eveniet Aut rerum est molestias quam qui perspiciatis magnam.
+      Qui eligendi saepe et neque autem A omnis et pariatur rerum est dolore rerum est facere
+      quasi. Sit dolorem quiaet veritatis rem alias deleniti. Et voluptatem laborum et impedit
+      atqueaut suscipit. Rem unde quos cum reprehenderit temporeQui eaque sit rerum distinctio
+      ut ipsam culpa ab error sunt et quaerat Quis.
+      In recusandae dolor id laudantium omnisaut velit aut perferendis omnis qui tenetur
+      explicabo. Et maxime assumenda et ipsam itaqueAut deleniti ut excepturi alias et fugit
+      facere non modi laudantium. Qui sapiente rerum non sunt ipsum Ad maxime est velit
+      eligendi aut quaerat officia est architecto magnam?
+      1. Et sequi ipsum et expedita ipsum eum dolore laborum.
+      2. Id enim unde eos commodi quidem et eius quaerat.
+      3. Est tempore veritatis sed aliquam Quis.
+      4. Qui quas tempora ut voluptates doloribus est facilis deserunt 33 distinctio internos.

tests/Samples/files/issue-152/contents.yml

@@ -34,7 +34,7 @@ pages:
       HORTUS BERGERIE ROUGE 2023 75CL AOP PIC ST LOUP210B7520237,951 669,501 13CRD
       HORTUS BERGERIE BLANC 2023 75CL IGP VAL DE MONTFERRAND36B7520236,80 244,801 12,5CRD
       HORTUS DOMAINE GRANDE CUVEE ROUGE 2022 75CL AOP PIC SAINT LOUP24B75202213,60326,401 13CRD
-      HORTUS BIB LE LOUP DANS LA BERGERIE ROUGE 3L IGP PAYS D'HERAULT30B3NM11,85355,501 13CRD
+      HORTUS BIB LE LOUP DANS LA BERGERIE ROUGE 3L IGP PAYS D'HERAULT30 B3NM11,85355,501 13CRD
       Total :570
       A Noter : seules les marchandises accompagnées d'un bon de livraison seront réceptionnées.
       Merci de bien vouloir nous confirmer par retour la disponibilité, le millésime et le prix.