Question

我正在使用名为 PDFBox 的Java库尝试将文本写入PDF。它适用于英文文本，但当我试图在PDF中写入俄文文本时，字母显得很奇怪。似乎问题在于使用的字体，但我不太确定，所以我希望有人能指导我完成这个。以下是重要的代码行：

PDTrueTypeFont font = PDTrueTypeFont.loadTTF( pdfFile, new File( "fonts/VREMACCI.TTF" ) );  // Windows Russian font imported to write the Russian text.
font.setEncoding( new WinAnsiEncoding() );  // Define the Encoding used in writing.
// Some code here to open the PDF & define a new page.
contentStream.drawString( "отделом компьютерной" ); // Write the Russian text.

WinAnsiEncoding源代码为：Click here

---------------------编辑于2009年11月18日

经过一些调查，我现在确定它是一个编码问题，这可以通过使用名为 DictionaryEncoding 的有用PDFBox类定义我自己的编码来解决。

我不知道如何使用它，但这是我迄今为止尝试过的事情：

COSDictionary cosDic = new COSDictionary();
cosDic.setString( COSName.getPDFName("Ercyrillic"), "0420 " ); // Russian letter.
font.setEncoding( new DictionaryEncoding( cosDic ) );

这不起作用，因为我似乎是以错误的方式填写字典，当我使用它编写PDF页面时，它显示为空白。

DictionaryEncoding源代码为：Click here

Answer 1

长篇大论是这样的 - 为了用TrueType字体做PDF格式的unicode输出，输出必须包含大量详细且看似多余的信息。它归结为 - 在TrueType字体内，字形存储为字形ID。这些字形ID与特定的unicode字符相关联（而IIRC，内部的unicode字形可能指的是几个代码点 - 就像é指的是e和一个尖锐的口音 - 我的记忆是模糊的）。除了说明字符串中的UTF16BE值到TrueType字体中的字形ID以及从UTF16BE值到Unicode的映射（即使它是标识符）之外，PDF实际上没有unicode支持。

子类型Type0的字体字典
- 带有下述条目的DescendantFonts数组
- 将UTF16BE值映射到unicode的ToUnicode条目
- 编码设置为Identity-H

我自己的工具上的一个单元测试的输出如下所示：

13 0 obj
<< 
   /BaseFont /DejaVuSansCondensed 
   /DescendantFonts [ 4 0 R  ]   
   /ToUnicode 14 0 R 
   /Type /Font 
   /Subtype /Type0 
   /Encoding /Identity-H 
>> endobj

14 0 obj
<< /Length 346 >> stream
/CIDInit /ProcSet findresource begin 12 dict begin begincmap /CIDSystemInfo <<
/Registry (Adobe) /Ordering (UCS) /Supplement 0 >> def /CMapName /Adobe-Identity-UCS
def /CMapType 2 def 1 begincodespacerange <0000> <FFFF> endcodespacerange 1
beginbfrange <0000> <FFFF> <0000> endbfrange endcmap CMapName currentdict /CMap
defineresource pop end end

endstream％请注意，流的格式错误

子类型CIDFontTYpe2的字体字典
- a CIDSsytemInfo
- 一个FontDescriptor
- DW和W
- 从字符ID映射到字形ID

这是来自同一测试的那个 - 这是DescendantFonts数组中的对象：

4 0 obj
<< 
   /Subtype /CIDFontType2 
   /Type /Font 
   /BaseFont /DejaVuSansCondensed 
   /CIDSystemInfo 8 0 R 
   /FontDescriptor 9 0 R 
   /DW 1000 
   /W 10 0 R 
   /CIDToGIDMap 11 0 R 
>>

8 0 obj
<< 
   /Registry (Adobe)
   /Ordering (UCS)
   /Supplement 0 
>>
endobj

为什么我这样告诉你？它与PDFBox有什么关系？就是这样：坦率地说，PDF格式的Unicode输出是对手的皇家痛苦。 Acrobat是在有Unicode之前开发的，从一开始就很难有没有Unicode的CJK编码（我知道 - 我当时在Acrobat上工作过）。后来增加了Unicode支持，但它确实感觉它已经被搞砸了。人们希望你能说/ Encoding / Unicode，并且拥有以刺和y-dieresis字符开头的字符串，然后离开。没有这样的运气。如果你没有放入每一个详细的东西（实际上，Acrobat，嵌入一个PostScript程序来翻译成Unicode？WTH？），你会在Acrobat中得到一个空白页面。我发誓，我不会这样做。

此时，我为一家独立公司编写了PDF生成工具（.NET现在，所以它对你没有帮助），我把它设计成隐藏所有废话的设计目标。所有文本都是unicode - 如果你只使用那些与WinAnsi相同的字符代码，那就是你得到的内容。使用其他任何东西，你得到所有其他东西。如果PDFBox能帮到你，我会感到很惊讶 - 这是一个非常麻烦的事情。

Answer 2

解决方案非常简单。

1）您必须找到与要显示的字符兼容的字体。
2）在本地下载字体的.ttf文件。
3）从您的应用程序中加载字体

例如，这是您要使用希腊字符时要做的事情：

content = new PDPageContentStream(document, page);
pdfFont = PDType0Font.load( document, new File( "arialuni.ttf" ) )
content.setFont(pdfFont, fontSize);

Answer 3

也许俄语编码类需要编写，我认为它应该看起来像WinAnsiEncoding。现在，我不知道该放什么！

或者，如果这不是你已经做过的，也许你应该用UTF-8编码你的源文件并使用默认编码。
我看到一些消息与从现有PDF文件中提取俄语文本的问题有关（当然使用PDFBox），但我不知道输出是否相关。
您也可以写信给PDFBox邮件列表。

Answer 4

测试这是否是一个编码问题应该很容易（只需切换到UTF16编码）。

我假设您尝试使用编辑器或VREMACCI字体的某些内容，并确认它显示了您期望的方式？

您可能想尝试在iText中执行相同的操作，只是为了了解问题是否与PdfBox库本身有关...如果您的主要目标是生成PDF文件，那么iText可能是更好的解决方案

编辑 - 对评论的长回答：

好的 - 抱歉在编码问题上来回...你的核心问题（你可能已经知道）是写入内容流的字节编码与用于查看的编码不同字形。现在我会尝试实际上有所帮助：

我看了一下PdfBox中的字典编码类，看起来很不直观......有问题的'字典'是一本PDF字典。所以你基本上需要做的是创建一个Pdf字典对象（我认为PdfBox将其称为一种COSObject），然后向其中添加条目。

字体的编码在PDF中定义为字典（参见上述规范的第266页）。该字典包含基本编码名称和可选差异数组。从技术上讲，差异数组不应该与真实字体一起使用（虽然我已经看到它在某些情况下使用 - 但是不要使用它）。

然后，您将为编码指定cmap条目。这个cmap将是你的字体的编码。

我的建议是采用现有的PDF来做你想要的，然后转换字体的字典结构，以便你可以看到它的样子。

这绝对不适合胆小的人。我可以提供一些帮助 - 如果你需要一个字典转储，给我一个带有示例PDF的超链接，我将通过我在iText开发中使用的一些算法运行它（我是iText文本提取子的维护者） - 系统）。

编辑 - 2009年11月17日

好的 - 这是来自russian.pdf文件的字典转储（子字典列出缩进，按照它们出现在包含字典中的顺序）：

(/CropBox=[0, 0, 595, 842], /Parent=Dictionary of type: /Pages, /Type=/Page, /Contents=[209 0 R, 210 0 R, 211 0 R, 214 0 R, 215 0 R, 216 0 R, 222 0 R, 223 0 R], /Resources=Dictionary, /MediaBox=[0, 0, 595, 842], /StructParents=0, /Rotate=0)
    Subdictionary /Parent = (/Type=/Pages, /Count=6, /Kids=[195 0 R, 1 0 R, 3 0 R, 5 0 R, 7 0 R, 9 0 R])
    Subdictionary /Resources = (/ExtGState=Dictionary, /ProcSet=[/PDF, /Text], /ColorSpace=Dictionary, /Font=Dictionary, /Properties=Dictionary)
        Subdictionary /ExtGState = (/GS0=Dictionary of type: /ExtGState)
            Subdictionary /GS0 = (/OPM=1, /op=false, /Type=/ExtGState, /SA=false, /OP=false, /SM=0.02)
        Subdictionary /ColorSpace = (/CS0=[/ICCBased, 228 0 R])
        Subdictionary /Font = (/C2_1=Dictionary of type: /Font, /C2_2=Dictionary of type: /Font, /C2_3=Dictionary of type: /Font, /C2_4=Dictionary of type: /Font, /TT2=Dictionary of type: /Font, /TT1=Dictionary of type: /Font, /TT0=Dictionary of type: /Font, /C2_0=Dictionary of type: /Font, /TT3=Dictionary of type: /Font)
            Subdictionary /C2_1 = (/DescendantFonts=[243 0 R], /BaseFont=/LDMIEC+TimesNewRomanPS-BoldMT, /Type=/Font, /Subtype=/Type0, /Encoding=/Identity-H, /ToUnicode=Stream)
            Subdictionary /C2_2 = (/DescendantFonts=[233 0 R], /BaseFont=/LDMIBO+TimesNewRomanPSMT, /Type=/Font, /Subtype=/Type0, /Encoding=/Identity-H, /ToUnicode=Stream)
            Subdictionary /C2_3 = (/DescendantFonts=[224 0 R], /BaseFont=/LDMIHD+TimesNewRomanPS-ItalicMT, /Type=/Font, /Subtype=/Type0, /Encoding=/Identity-H, /ToUnicode=Stream)
            Subdictionary /C2_4 = (/DescendantFonts=[229 0 R], /BaseFont=/LDMIDA+Tahoma, /Type=/Font, /Subtype=/Type0, /Encoding=/Identity-H, /ToUnicode=Stream)
            Subdictionary /TT2 = (/LastChar=58, /BaseFont=/LDMIFC+TimesNewRomanPS-BoldMT, /Type=/Font, /Subtype=/TrueType, /Encoding=/WinAnsiEncoding, /Widths=[250, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 250, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 333], /FontDescriptor=Dictionary of type: /FontDescriptor, /FirstChar=32)
                Subdictionary /FontDescriptor = (/Type=/FontDescriptor, /StemV=136, /Descent=-216, /FontWeight=700, /FontBBox=[-558, -307, 2000, 1026], /CapHeight=656, /FontFile2=Stream, /FontStretch=/Normal, /Flags=34, /XHeight=0, /FontFamily=Times New Roman, /FontName=/LDMIFC+TimesNewRomanPS-BoldMT, /Ascent=891, /ItalicAngle=0)
            Subdictionary /TT1 = (/LastChar=187, /BaseFont=/LDMICP+TimesNewRomanPSMT, /Type=/Font, /Subtype=/TrueType, /Encoding=/WinAnsiEncoding, /Widths=[250, 0, 0, 0, 0, 833, 778, 0, 333, 333, 0, 0, 250, 333, 250, 278, 500, 500, 500, 500, 500, 500, 500, 500, 500, 500, 278, 278, 0, 564, 0, 444, 0, 722, 667, 667, 722, 611, 556, 0, 722, 333, 389, 0, 611, 889, 722, 722, 556, 0, 667, 556, 611, 0, 722, 944, 0, 722, 0, 333, 0, 333, 0, 500, 0, 444, 500, 444, 500, 444, 333, 500, 500, 278, 0, 500, 278, 778, 500, 500, 500, 0, 333, 389, 278, 500, 500, 722, 0, 500, 444, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 500, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 500, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 500], /FontDescriptor=Dictionary of type: /FontDescriptor, /FirstChar=32)
                Subdictionary /FontDescriptor = (/Type=/FontDescriptor, /StemV=82, /Descent=-216, /FontWeight=400, /FontBBox=[-568, -307, 2000, 1007], /CapHeight=656, /FontFile2=Stream, /FontStretch=/Normal, /Flags=34, /XHeight=0, /FontFamily=Times New Roman, /FontName=/LDMICP+TimesNewRomanPSMT, /Ascent=891, /ItalicAngle=0)
            Subdictionary /TT0 = (/LastChar=55, /BaseFont=/LDMIBN+TimesNewRomanPS-BoldItalicMT, /Type=/Font, /Subtype=/TrueType, /Encoding=/WinAnsiEncoding, /Widths=[250, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 250, 0, 500, 500, 500, 0, 0, 0, 0, 500], /FontDescriptor=Dictionary of type: /FontDescriptor, /FirstChar=32)
                Subdictionary /FontDescriptor = (/Type=/FontDescriptor, /StemV=116.867004, /Descent=-216, /FontWeight=700, /FontBBox=[-547, -307, 1206, 1032], /CapHeight=656, /FontFile2=Stream, /FontStretch=/Normal, /Flags=98, /XHeight=468, /FontFamily=Times New Roman, /FontName=/LDMIBN+TimesNewRomanPS-BoldItalicMT, /Ascent=891, /ItalicAngle=-15)
            Subdictionary /C2_0 = (/DescendantFonts=[238 0 R], /BaseFont=/LDMHPN+TimesNewRomanPS-BoldItalicMT, /Type=/Font, /Subtype=/Type0, /Encoding=/Identity-H, /ToUnicode=Stream)
            Subdictionary /TT3 = (/LastChar=169, /BaseFont=/LDMIEB+Tahoma, /Type=/Font, /Subtype=/TrueType, /Encoding=/WinAnsiEncoding, /Widths=[313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 546, 0, 546, 0, 0, 546, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 929], /FontDescriptor=Dictionary of type: /FontDescriptor, /FirstChar=32)
                Subdictionary /FontDescriptor = (/Type=/FontDescriptor, /StemV=92, /Descent=-206, /FontWeight=400, /FontBBox=[-600, -208, 1338, 1034], /CapHeight=734, /FontFile2=Stream, /FontStretch=/Normal, /Flags=32, /XHeight=546, /FontFamily=Tahoma, /FontName=/LDMIEB+Tahoma, /Ascent=1000, /ItalicAngle=0)
        Subdictionary /Properties = (/MC0=Dictionary of type: /OCMD)
            Subdictionary /MC0 = (/Type=/OCMD, /OCGs=Dictionary of type: /OCG)
                Subdictionary /OCGs = (/Usage=Dictionary, /Type=/OCG, /Name=HeaderFooter)
                    Subdictionary /Usage = (/CreatorInfo=Dictionary, /PageElement=Dictionary)
                        Subdictionary /CreatorInfo = (/Creator=Acrobat PDFMaker 6.0 äëÿ Word)
                        Subdictionary /PageElement = (/SubType=/HF)

这里有很多活动部件。你可能想把一个只有3或4个字符的测试文档组合在一起...这里使用了很多类型1字体（除了TT字体之外），所以很难分辨您特定问题涉及的内容。

（你确定你不想至少尝试使用iText吗？;-)我不是说它会起作用，只是说它可能值得一试。）

作为参考，上面的字典转储是使用com.lowagie.text.pdf.parser.PdfContentReaderTool类获得的

Answer 5

Try to use this construction:

PDFont font = PDType0Font.load( pdfFile, new File( "fonts/VREMACCI.TTF" ) );  // Windows Russian font imported to write the Russian text.
// Some code here to open the PDF & define a new page.
contentStream.beginText();
contentStream.setFont(font, 12);
contentStream.showText( "отделом компьютерной" ); // Write the Russian text.
contentStream.endText();

Answer 6

试试这个：

短语leftTitle =新短语（“САНКТ-ПЕТЕРБУРГ”，FontFactory.getFont（“Tahoma”，“Cp1251”，true，25））;

至少可以使用最新的（5.0.1）iText

使用Java PDFBox库编写俄语PDF

6 个答案: