Question

在我之前的问题的跟进中，尝试使用CGPDF *函数从PDF文件中提取文本，具有：

CGPDFStringRef pdfString

我发现它可以转换为如下字符代码数组：

const unsigned char *characterCodes = CGPDFStringGetBytePtr(pdfString);

现在，我试图提取的文本是用14种类型1基本字体之一编写的，它不在PDF本身中编码。为此，我解析了该字体的相关AFM文件，给我一个从字符代码到字形名称的映射，它的尺寸如下：

C 61 ; WX 600 ; N equal ; B 80 138 520 376 ;
C 63 ; WX 600 ; N question ; B 129 -15 492 572 ;
C 64 ; WX 600 ; N at ; B 77 -15 533 622 ;
C 65 ; WX 600 ; N A ; B 3 0 597 562 ;
C 66 ; WX 600 ; N B ; B 43 0 559 562 ;

我的问题是，知道字符代码，说：“61”我如何从它的字形名称：“等于”到 NSString @ “=”。特别是当该字符代码被重新映射到其他字形名称时，比如说，例如：“问题”由PDF的字体编码选项。

之前的问题： iOS PDF parsing Type 1 Fonts metrics和 iOS PDF to plain text parser

Answer 1

我没有对此进行过测试，但在我看来，您需要使用Adobe Glyph Naming convention来实现此目的：

Adobe Glyph Naming约定的目的是支持从一系列字形计算Unicode字符串。这是通过指定从字形名称到字符的映射来实现的字符串。

该页面上链接的glyphlist.txt似乎与您的问题相关样本片段：

...
epsilon; 03B5
epsilontonos; 03AD
相等; 003D
  等平衡; FF1D
等于小; FE66
等于; 207C
  ...

然后您需要做的就是putting those unicode values in your NSString instance。

修改
确认上面提供的信息后，我在PDF Reference Document from Adobe，第5.9节 - 文本内容的提取中找到了以下解释：

如果字体是使用预定义编码之一的简单字体   MacRomanEncoding，MacExpertEncoding或WinAnsiEncoding，或者有   一种编码，其差异数组仅包含字符名称   取自Adobe标准拉丁字符集和命名集   符号字体中的字符（见附录D）：


根据表D.1将字符代码映射到字符名称   第996页和字体的差异数组。

在Adobe字形列表中查找字符名称（请参阅   参考书目）获取相应的Unicode值。

PDF：字符代码 - ＆gt;字形名称 - ＆gt;的NSString

1 个答案: