TeX4ht 生成的 html 中的 PDF 页面引用？

Question 1

我认为页码在电子书中也很重要。在很多书籍中，尤其是人文、哲学等，有些章节没有章节，长度大约有 40、50 页。在这种情况下，页码确实很有必要。

书籍原始布局的页码很重要的其他例子是盲文书，其中原始页码与盲文文档的页码一起使用。

tex4ht 无法访问原始文档的页码，因为它使用 dvi 文件的特殊格式，其中的页面与 pdf 布局不对应。

可以使用一些预处理工具，例如从 pdf 文件中提取每页的最后一行并不难，但在 tex 文件中找到该文本就很难，因为它可以从宏中生成。

所以我认为唯一的方法是使用 luatex，这样我们就可以访问页面组装后的页面内容，或者在段落换行之前访问它们。缺点是，tex4ht 还没有很好地支持 luatex，但我希望在不久的将来它会更好。见我的这个答案。

目前，我在办公室的 Linux 桌面上有 htlualatex（用于 luatex 的 htlatex）的工作实例，但在家里的 Windows 桌面上没有，所以我无法测试代码的 html 生成，只能使用不同大小的 pdf。

我的想法是计算 pdf 文件中所有字形的校验和，并在每个分页符处保存它们的值。然后，当我们想在具有不同布局的文件中插入分页符标记时，加载保存的校验和，计算新文件的校验和，并在它们匹配的地方插入标记。我知道这不是一种可靠的方法，而且像数字、方程式等这样的思维方式可能会破坏它，所以如果有人知道更好的算法，我会很高兴。

现在有一个示例：

\documentclass{book}

\usepackage{lipsum}
\usepackage[a4paper]{geometry}
\usepackage[]{milestone}
\begin{document}
\title{Milestone sample}
\author{Michal}
\maketitle
\chapter{First}
\section{Section}
\lipsum[2-12]
\subsection{Subsection}
\lipsum[2]
\chapter{Next chapter}
\lipsum[3-20]
\end{document}

现在我们可以设置不同的页面布局并插入页码标记\usepackage[insert]{milestone}：

\documentclass{book}

\usepackage{lipsum}
\usepackage[a5paper]{geometry}
\usepackage[insert]{milestone}
\begin{document}
\title{Milestone sample}
\author{Michal}
\maketitle
\chapter{First}
\section{Section}
\lipsum[2-12]
\subsection{Subsection}
\lipsum[2]
\chapter{Next chapter}
\lipsum[3-20]
\end{document}

这是文件milestone.sty：

\ProvidesPackage{milestone}
\RequirePackage{luacode,luatexbase,etoolbox,kvoptions}
\DeclareBoolOption{insert}
\ProcessKeyvalOptions*
\begin{luacode}
milestone=require("milestone")
\end{luacode}
\ifmilestone@insert
\begin{luacode}
luatexbase.add_to_callback("pre_linebreak_filter",milestone.insertPageBreaks,"Insert")
\end{luacode}
\else
\AfterEndDocument{%
\directlua{milestone.writeMilestones()}
}

\newtoks\oldoutput
\oldoutput=\expandafter{\the\output}
\output{
    \directlua{
    milestone.pagenumber = "\thepage"
    milestone.getPageBreaks(tex.box[255].list)
    }
    \the\oldoutput
}
\fi

以及 lua 模块milestone.lua：

--local node,texio,unicode,io,tex,dofile=node,texio,unicode,io,tex,dofile 
module("milestone",package.seeall)
-- Variables accessible from the outside
milestonefile = tex.jobname..".mil"   -- File, where all milestones are saved
pagenumber=""                         -- Pagenumbers must be saved in TeX, 
                                      -- in the output routine

local glyph = node.id('glyph')
local milchecksum=0

local function calcChecksum(val)
  return milchecksum + val
end

-- Item in the current list, where the page break mark should be inserted
function printPageBreak(item,page)
  local hi = node.new("glue")
  local mynode=mknodes(hi,"//["..page.."]")
  local pp=item.next
  item.next=hi
  node.tail(hi).next=pp
end

local milposition=1
local mcheck=0
function insertPageBreaks(head,group)
  t=getMilestones()
  for item in node.traverse_id(glyph, head) do
    if milposition > #t then break end  
      if item.id == glyph and item.char ~= 45 then
        -- Nodes created with function mknodes() have attribute 224 set to 33, 
        -- we must skip them
        if node.has_attribute(item,224)~=33 then
          mcheck=mcheck+item.char
        end
        if mcheck==t[milposition]["checksum"] then
          texio.write_nl("Checksum equality: "..mcheck.." page: "..t[milposition]["page"])       
          printPageBreak(item,t[milposition]["page"])
          milposition=milposition+1
        end
      end
  end
  texio.write_nl("Current checksum: "..mcheck)
  return head
end

local function processLine(line)
  local lcontents=""
  for item in node.traverse(line.list) do
        if item.id == glyph and item.char ~= 45 then
          lcontents = lcontents .. unicode.utf8.char(item.char) 
          milchecksum= calcChecksum(item.char)
        end
  end
  return lcontents
end

function getPageBreaks(head)
  local lcontents = ""
  for line in node.traverse_id(node.id("hlist"), head) do
    lcontents=processLine(line)
    --texio.write_nl(lcontents)
  end
  addMilestone(pagenumber,milchecksum,lcontents)
  return true
end

local miloutput=""
function addMilestone(page,checksum,text)
  if text ~= "" then 
    miloutput = miloutput .. unicode.utf8.format("milestone{\n  page=\"%s\",\n  checksum=%d,\n  text=\"%s\"\n}\n",page,checksum,text)
    texio.write_nl(unicode.utf8.format("Page:%s checksum:%d text:%s",page,checksum,text))
  end
end

function writeMilestones()
  if(miloutput~="") then
    local f=io.open(milestonefile,"w")
    f:write(miloutput)
    f:close()
  else 
    texio.write("Package milestone: No milestones writen to the output")
  end
end


function import(name)
  local f,e = loadfile(name)
  if not f then error(e, 2) end
  setfenv(f, getfenv(2))
  return f()
end


function getMilestones()
    local t={}
    local i=1
    function milestone(b)
      --local function injectElements(el) t[#t+1][el]=b[el] end
      t[i]={}
      for k,v in pairs(b) do t[i][k] = v end
      i=i+1
    end 
    import(milestonefile)
    return t
end

function printMilestone(head,current,text)
  local message = mknodes("//["..text.."]")
  return node.insert_after(head,current,message)
end

function mknodes(head, text )
  local current_font = font.current()
  local font_parameters = font.getfont(current_font).parameters
  local n,  last
  -- we should insert the paragraph indentation at the beginning
  --[[
  head = node.new("glue")
  head.spec = node.new("glue_spec")
  head.spec.width = 5 * 2^16
  --]]
  last = node.tail(head)
  local count=0
  for s in string.utfvalues( text ) do
    local char = unicode.utf8.char(s)
    if unicode.utf8.match(char,"%s") then
      -- its a space
      n = node.new("glue")
      n.spec = node.new("glue_spec")
      n.spec.width   = font_parameters.space
      n.spec.shrink  = font_parameters.space_shrink
      n.spec.stretch = font_parameters.space_stretch
    else -- a glyph
      count=count+s
      n = node.new("glyph")
      n.font = current_font
      n.subtype = 1
      n.char = s
      n.lang = tex.language
      n.uchyph = 1
      n.left = tex.lefthyphenmin
      n.right = tex.righthyphenmin
    end
    node.set_attribute(n,224,33)
    last.next = n
    last = n
  end

  -- just to create the prev pointers for tex.linebreak
  node.slide(head)
  return head,count
end

local function printNodeList(head)
  for ii in node.traverse(head) do
    if ii.id == glyph then texio.write(string.char(ii.char)) 
    elseif ii.id == node.id("glue") then texio.write(" ")
    end
  end
end

Answer