html2pdf中的特殊unicode字符

Question

我想将包含特殊unicode字符'✝'的文档从html转换为pdf with html2pf。但是，在渲染文档时，“✝”显示为“？”。我该怎么办？

Answer 1

“✝”（U + 271D LATIN CROSS）字符可能无法在PDF文档中正确呈现，因为使用的字体不支持它。

以下是一些想法：

1）用一个看起来相似的更常见的角色替换角色。 “†”（U + 2020 DAGGER）将是一个明显的选择，因为它是常见的Windows-1252字符集的一部分。

在代码中：

$var = str_replace("\xE2\x9C\x9D", "\xE2\x80\xA0", $var);

$var必须包含以UTF-8编码的数据。除此之外，我总是喜欢通过使用二进制表示法在源代码中插入更多“不常见”的字符。一个原因是：许多编辑器字体也不包含这样的字符。它可以防止出现问题。

2）将PDF文档的字体更改为支持该字符的字体。这是一个例子（与我对该问题的评论的片段相同）：

$font = 'dejavusans';

$content = <<<EOT
<page>
<h1>$font</h1>
\xE2\x9C\x9D U+271D LATIN CROSS
</page>
EOT;

require_once __DIR__ . '/html2pdf_v4.03/html2pdf.class.php';

$html2pdf = new HTML2PDF();
$html2pdf->setDefaultFont($font);
$html2pdf->WriteHTML($content);
$html2pdf->Output(__DIR__ . '/test.pdf', 'F');

3）如果您想要PDF文档中的原始字符并且不想更改默认字体，则只要遇到该字符，就可以切换到支持该字符的字体。

$input = <<<EOT
<h1>Demo</h1>
<p>This should be Arial.</p>
<p>\xE2\x9C\x9D - U+271D LATIN CROSS</p>
EOT;

$input = str_replace(
    "\xE2\x9C\x9D",
    "<span style=\"font-family: dejavusans\">\xE2\x9C\x9D</span>",
    $input
);

$content = <<<EOT
<page>
$input
</page>
EOT;

require_once __DIR__ . '/html2pdf_v4.03/html2pdf.class.php';

$html2pdf = new HTML2PDF();
$html2pdf->setDefaultFont('arial');
$html2pdf->addFont('dejavusans');    // note this line
$html2pdf->WriteHTML($content);
$html2pdf->Output(__DIR__ . '/test.pdf', 'F');

渲染PDF输出：

然而，解决方案2和3有一个相当大的缺点。你可能不得不将附加字体嵌入到PDF文档中（默认情况下html2pdf会这样做），大大增加了它的大小。

PDF和tcpdf（基于html2pdf构建）中的一个功能是仅添加文档中实际出现的字体（称为子集）中的字符，但html2pdf不会公开此功能，我可以告诉你。

如果您需要支持许多不常见的Unicode字符，解决方案2可能就是这样。