Release Notes

2026.8 - Август 2026 г.
Мы подробнее опишем, что было исправлено/улучшено и почему вам следует обновить:

1. Улучшен механизм подсчета страниц документа.
Формат документа, который не имеет страниц, называется потоковым или переформатируемым документом. Его содержимое течет непрерывно, а не делится на фиксированные страницы. Примеры включают:

• Простой текст (.txt).
• HTML (.html) (веб-страницы).
• Markdown (.md).
• XML (.xml).
• EPUB (электронные книги с изменяемым форматированием).

В отличие от них, к форматам документов на основе страниц относятся:

• Microsoft Word (.docx, .rtf, .doc) (использует страницы в макете печати).
• PDF (.pdf любых версий).
• OpenDocument Text (.odt).

Если мы говорим о Document .Net, то речь идет конкретно о форматах Microsoft Word (DOC, DOCX, RTF), то сам документ всегда поддерживает страницы в режиме макета печати. Однако, если вы переключитесь в режим веб-макета или черновика, документ отобразится как непрерывный поток без видимых границ страниц, даже если в документе еще есть страницы для печати. То же самое происходит в PDF-файлах (PDF .Net).

Sautinsoft.Document определяет количество страниц, компонуя документ в соответствии с его текущим форматированием, а затем подсчитывая количество получившихся страниц. Общее количество страниц может меняться по мере редактирования, поскольку Word постоянно пересчитывает макет.

Количество страниц зависит от таких факторов, как:

• Размер бумаги (например, A4 или Letter).
• Поля страницы.
• Ориентация страницы (портретная или альбомная).
• Тип и размер шрифта.
• Межстрочный и межабзацный интервал.
• Колонтитулы.
• Изображения, таблицы и другие объекты.
• Разрывы разделов и разрывы страниц.
• Столбцы или другие параметры макета страницы.

Например, если вы увеличите размер шрифта с 11 пт до При размере шрифта 12 пунктов один и тот же текст может больше не помещаться на том же количестве страниц, что увеличивает счетчик страниц.

Как посмотреть счетчик страниц

• Строка состояния: В левом нижнем углу окна Word обычно отображается что-то вроде "Страница 3 из 12".
• Предварительный просмотр печати: Здесь точно отображается, как документ размечен для печати.
• Диалоговое окно счетчика слов: Перейдите в меню «Рецензирование» → «Счетчик слов», чтобы увидеть количество страниц, а также количество слов, символов, абзацев и строк.

Почему счетчик страниц может отличаться

Один и тот же документ может иметь разное количество страниц, если:

• Он открыт в системе с разными настройками принтера (Word использует метрики активного принтера для определения макет).
• Изменяется размер бумаги (например, A4 против Letter).
• Отсутствуют и заменяются шрифты.
• Изменяются поля или параметры масштабирования.
• Документ просматривается или печатается с различными вариантами макета.

Вкратце, движок Sautinsoft не оценивает количество страниц на основе количества слов. Он рассчитывает количество страниц на основе полностью отформатированного макета документа, который будет отображаться при печати или просмотре в режиме макета печати.

Наш движок был улучшен и теперь лучше обрабатывает различные форматы документов (DOCX, PDF, DOC, RTF), которые не имеют четкого представления о количестве страниц. Мы также добавили поддержку компонента NSalc внутри компонентов для быстрого и оптимального определения количества страниц.

2. Выполнение полнотекстового поиска в PDF с использованием C#.

Полнотекстовый поиск в PDF означает поиск по фактическому текстовому содержимому PDF-документа, а не только по его имени файла, метаданным или закладкам. Цель состоит в том, чтобы найти документы (или места внутри документов), содержащие определенные слова, фразы или шаблоны.

Существует несколько уровней сложности в зависимости от типа PDF-файла и требований к поиску.

1. PDF-файлы с возможностью поиска и отсканированные PDF-файлы
Прежде всего, следует понимать, что не все PDF-файлы содержат текст.
PDF-файлы с возможностью поиска
Эти PDF-файлы содержат фактические текстовые объекты.
Примеры:
• Microsoft Word → Сохранить как PDF
• Excel → Экспорт в PDF
• PDF-файл, сгенерированный из HTML
Текст можно извлечь напрямую.
Быстрая коричневая лиса перепрыгивает через ленивую собаку.
Поиск просто означает изучение этих текстовых объектов.
Отсканированный PDF-файл
Отсканированный PDF-файл обычно представляет собой просто изображение.

Текст, доступный для поиска, отсутствует.

Для выполнения полнотекстового поиска документ должен сначала пройти обработку с помощью OCR (оптического распознавания символов) для преобразования изображения в текст.

2. Как хранится текст в PDF
В отличие от документа Word, PDF-файлы не хранят текст в виде абзацев.
Вместо этого они содержат множество команд для рисования.
Пример (концептуально):
Нарисуйте "H" в точке (100,700)
Нарисуйте "e" в точке (108,700)
Нарисуйте "l" в точке (115,700)
Нарисуйте "l" в точке (118,700)
Нарисуйте "o" в точке (121,700)

Библиотека PDF восстанавливает эти символы в слова и предложения перед поиском.

3. Базовый полнотекстовый поиск
Простейший алгоритм:

bool found = text.Contains("invoice",
StringComparison.OrdinalIgnoreCase);

Методы поиска в SautinSoft:

• Поиск по фразам
• Поиск по нескольким ключевым словам
• Поиск по регулярным выражениям
• Учет регистра
• Поиск по целым словам
• Нечеткий поиск
• Индексированный поиск
• Выделение результатов


4. Проблемы полнотекстового поиска в PDF-файлах

PDF-файлы предназначены для представления, а не для логической структуры документа, поэтому поиск не всегда прост. Типичные проблемы включают в себя:

5. Типичная архитектура
Система поиска по PDF-файлам производственного уровня часто использует следующий алгоритм:
6. Полнотекстовый поиск на C#
Для приложений .NET рабочий процесс обычно выглядит следующим образом:
• Открыть PDF-файл с помощью библиотеки PDF/DOCX SautinSoft.
• Извлечь текст с каждой страницы.
• Если PDF-файл После сканирования сначала запустите OCR.
• Поиск в извлеченном тексте с использованием сопоставления строк, регулярных выражений или индекса.
• При желании сопоставьте найденные совпадения с координатами страницы, чтобы выделить их.

Для некоторых PDF-файлов обычно достаточно извлечения текста и поиска в памяти. Для больших коллекций (тысячи или миллионы документов) создание полнотекстового индекса с помощью поисковой системы, такой как Sautinsoft.Document или SautinSoft.Pdf, обеспечивает гораздо более высокую скорость выполнения запросов и поддерживает расширенные функции, такие как ранжирование по релевантности, фразовые запросы и нечеткое сопоставление.

Для выполнения полнотекстового поиска в PDF .Net с использованием C# обычно необходимо:
1) Извлечь текст из PDF.
2) Выполнить поиск в извлеченном тексте по ключевому слову или фразе.
Вот наиболее распространенные подходы.
Установка:
dotnet add package SautinSoft.Pdf
Пример:

using System;
using System.IO;
using SautinSoft;
using SautinSoft.Pdf;
using SautinSoft.Pdf.Content;
using System.Linq;

namespace Sample
{
    class Sample
    {
        /// 

        /// Find text in the PDF.
        /// 
        /// 
        /// Details: https://sautinsoft.com/products/pdf/help/net/developer-guide/find-text.php
        /// 
        static void Main(string[] args)
        {
            // Before starting this example, please get a free trial key:
            // https://sautinsoft.com/start-for-free/

            // Apply the key here:
            PdfDocument.SetLicense("Serial_key");

            string pdfFile = @"Example_01.pdf";

            var document = PdfDocument.Load(pdfFile);
            {
                // 1.   Try to find text "Hello My Friend"
                var text = document.Pages[0].Content.GetText().Find("Hello My Friend ");

                Console.WriteLine("Found " + text.Count() + " elements of this symbol combination.");

                foreach (var occur in text)
                {
                    // 2.   Show the bounds of the string " Hello My Friend "
                    Console.WriteLine(occur.ToString());
                    Console.WriteLine(
                        $"Bottom    {occur.Bounds.Bottom}\n"+
                        $"Left      {occur.Bounds.Left}\n" +
                        $"Top       {occur.Bounds.Top}\n" +
                        $"Right     {occur.Bounds.Right}");


                    //      I create a new PdfQuad with Top and Hight of the found " Hello My Friend "

                    double dL = occur.Bounds.Left;
                    double dB = occur.Bounds.Bottom;
                    double dR = occur.Bounds.Right;
                    double dT = occur.Bounds.Top;
                    PdfQuad quad = new PdfQuad(dL, dB, dR, dT);

                    // 4.   Show the bounds for GetText
                    Console.WriteLine("\n\nGet text of amount on position:");
                    Console.WriteLine(
                        $"Bottom    {dB}\n" +
                        $"Left      {dL}\n" +
                        $"Top       {dT}\n" +
                        $"Right     {dR}");

                    // 5.   GetText with PdfTextOptions
                    var txtOnBounds = document.Pages[0].Content.GetText(new PdfTextOptions
                    {
                        Bounds = new PdfQuad(140, 640, 250, 660),
                        Order = PdfTextOrder.Reading
                    });

                    // 6.   Show found amount
                    Console.WriteLine($"\n\nFound Text:\n{txtOnBounds.ToString()}:");

                }

            }
        }
    }
}
    

Преимущества

• Бесплатно
• Поддержка .NET
• Хорошее извлечение текста
• Нет зависимости от Adobe

3. Полная поддержка встроенных шрифтов в движках SautinSoft.

Встроенные шрифты в PDF — это программы для работы со шрифтами, которые хранятся внутри самого PDF-файла. Вместо того чтобы полагаться на шрифты, установленные на компьютере пользователя, PDF содержит необходимые данные шрифтов, гарантируя, что документ будет выглядеть одинаково везде.

Зачем встраивать шрифты?
Встраивание шрифтов дает несколько преимуществ:

• Единообразный внешний вид — Текст отображается точно так, как задумал автор.
• Кроссплатформенная совместимость – PDF-файл корректно отображается в Windows, macOS, Linux, на мобильных устройствах и в браузерах.
• Надежная печать – Предотвращает замену шрифтов, которая может изменить макет или переносы строк.
• Долгосрочное архивирование – Требуется стандартами, такими как PDF/A.

Типы встраивания шрифтов

1. Полное встраивание
В PDF-файл включена вся программа шрифтов.
Преимущества
• Доступны все символы.
• Часто текст можно редактировать без использования оригинального шрифта.
Недостатки

• Больший размер PDF-файла.
2. Подмножество шрифта
Встраиваются только глифы (символы), фактически используемые в документе.
Например:
Оригинальный шрифт:
ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789
Текст в PDF:
HELLO
Встроенное подмножество:
H E L L O
Преимущества
• Значительно меньший размер PDF-файла.
• Большинство PDF-файлов используют этот подход.
Недостатки
• Если вы позже отредактируете PDF-файл и добавите символы, которые не были встроены, программе редактирования может потребоваться доступ к исходному шрифту или заменить его другим шрифтом.

Что произойдет, если шрифты не встроены?

Когда PDF-файл ссылается на шрифт, который не встроен:
1) Программа просмотра PDF-файлов ищет шрифт в локальной системе.
2) Если она не может его найти, она заменяет его другим шрифтом.
3) Внешний вид документа может измениться.

Возможные последствия:
• Разное перенесение строк
• Изменение разрывов страниц
• Неправильное выравнивание таблиц
• Неправильный интервал
• Отсутствующие символы или нелатинские символы.

Какие шрифты нельзя встраивать?

Некоторые коммерческие шрифты имеют ограничения лицензирования.
Шрифт содержит разрешение на встраивание (часто называемое флагом fsType в OpenType). (шрифты), указывающие, является ли встраивание:
• Устанавливаемый
• Редактируемый
• Предварительный просмотр и печать
• Ограниченный (встраивание запрещено).
SautinSoft.PDF обычно соблюдает эти разрешения.
SautinSoft обеспечивает надежную поддержку встроенных шрифтов в PDF-документах.
Ключевые возможности включают:
• ✅ Чтение встроенных шрифтов из PDF-файлов.
• ✅ Сохранение встроенных шрифтов во время загрузки и сохранения PDF-файла.
• ✅ Поддержка трех режимов через PdfLoadOptions.PreserveEmbeddedFonts:
Включено – Всегда загружать встроенные шрифты.
Отключено – Игнорировать встроенные шрифты и использовать системные шрифты.
Авто – Использовать встроенные шрифты только тогда, когда шрифт не установлен в системе (рекомендуется).


Например:

var options = new PdfLoadOptions()
{
    PreserveEmbeddedFonts = PropertyState.Enabled
};

DocumentCore dc = DocumentCore.Load("input.pdf", options);
    

Также добавлена и улучшена поддержка встроенных шрифтов в DOCX.
Согласно примечаниям к выпуску:
• ✅ Читает файлы DOCX, содержащие встроенные шрифты.
• ✅ Сохраняет встроенные шрифты во время обработки документа.
• ✅ Постоянно улучшаются параметры выбора шрифтов, что уменьшает размер документа при сохранении качества отображения.

Обработка шрифтов

Если необходимый шрифт недоступен, SautinSoft предоставляет:

• Обнаружение отсутствующих шрифтов (FontSettingsMissingFonts)
• Замена шрифтов (FontSettingsAddFontSubstitutes)
• События выбора шрифтов для пользовательской логики замены

Юникод и расширенные шрифты Поддержка

В последних версиях также расширена поддержка следующих шрифтов:
• Шрифты TrueType
• Шрифты Unicode
• Лигатуры OpenType
• CJK (китайский, японский, корейский)
• WOFF и другие форматы шрифтов
• Специальные глифы, орнаменты и символьные шрифты.

2026.7 - Июль, 2026
Это самое масштабное обновление за последние несколько месяцев (с января 2026 г.). Мы подробнее опишем, что было исправлено/улучшено и почему вам следует обновиться:

• Исправлена проблема с памятью при преобразовании PDF в PDF/A.
• PDF в изображение: искаженные символы.
• Преобразование PDF в PDF/A приводит к выводу с неправильным форматированием.
• Оптимизация PDF нарушает форматирование содержимого.
• Стабильность компонента в многопоточном режиме.

Возможности наших компонентов выходят далеко за рамки преобразования документов, хотя именно для этой задачи они чаще всего и используются. Ранее обработка файлов в многопоточном режиме могла приводить к сбоям. В последние месяцы мы оптимизировали производительность библиотеки как для однопоточных, так и для многопоточных приложений, а также улучшали интеграцию между форматами PDF, DOCX, HTML, RTF и Excel. Для параллельной обработки файлов в C# мы рекомендуем использовать Parallel.ForEachAsync для операций ввода-вывода (чтение/запись, сетевые запросы), чтобы избежать блокировки потоков. Для ресурсоемких вычислений в памяти (шифрование, рендеринг) выберите Parallel.ForEach.

Теперь все компоненты SautinSoft работают абсолютно стабильно.

• Проблема с градиентом некоторых символов.

Существует сотни различных способов записи текста в PDF-файл. Наша цель — точно понимать, как создается PDF-файл и что пользователь имел в виду, добавляя абзац, изображение, фигуру и т. д. В новых версиях компонента мы приблизились к высококачественному распознаванию документов. Некоторые символы представляли границы, внутренние заливки, контуры и наложенные текстуры — короче говоря, очень сложные составные символы. Наши разработчики реализовали возможность точного распознавания этих символов.

Вы можете попробовать новый алгоритм прямо сейчас!

• Ошибка: «Несоответствие типа значения словаря»

Существует 14 стандартных шрифтов PDF, которые должны поддерживаться каждым приложением, используемым для чтения и просмотра этих документов. Несмотря на ограниченный набор глифов, их главное преимущество заключается в том, что они не требуют встраивания в сам файл.

SautinSoft стремится поддерживать все существующие типы шрифтов. Основные типы глифов включают:

• Стандартные: основные буквы, цифры и знаки препинания.
• Альтернативные: варианты одной и той же буквы с измененной формой штриха для уникальности.
• Ростки: декоративные символы, отличающиеся удлиненными, закрученными хвостиками и завитками.
• Лигатуры: отдельные глифы, объединяющие две или три буквы (например, «fi» или «fl») для более гармоничного отображения в тексте.
• Дингбаты и орнаменты: значки, стрелки, узоры и графические элементы, встроенные в шрифт вместо букв.

В наших последних релизах мы расширили поддержку встроенных шрифтов, шрифтов из экосистем Windows, Linux и Mac OS, а также различных глифов и лигатур. Особое внимание было уделено интеграции символов Unicode, TrueType, WOFF, TTX, Punycode и специальных символов.

• Полная поддержка китайского, японского и корейского языков.

Спецификация нескольких азиатских языков помогла нам разработать принципиально новый текстовый алгоритм. Теперь, если исходный шрифт отсутствует в системе или не может быть идентифицирован, наш компонент автоматически выберет альтернативный вариант, идеально соответствующий оригиналу по ширине, высоте и параметрам столбцов (например, заменив "YouYuan" на "SimSun").

• Разделение таблиц на страницы.

Не секрет, что некоторые форматы документов (например, Word) не имеют строгого понятия страниц — текст динамически разделяется только при открытии в программах просмотра.