Question

我正在使用PoDoFo提取字符位移以正确更新文本矩阵。这是我的代码片段：

PdfString str, ucode_str;
std::stack<PdfVariant> *stack;
const PdfFontMetrics *f_metrics;
...

/* Convert string to UTF8 */
str = stack->top().GetString();
ucode_str = ts->font->GetEncoding()->ConvertToUnicode(str, ts->font);
stack->pop();
c_str = (char *) ucode_str.GetStringUtf8().c_str();

/* Font metrics to obtain a character displacement */
f_metrics = ts->font->GetFontMetrics();

for (j = 0; j < strlen(c_str); j++) {
    str_w = f_metrics->CharWidth(c_str[j]);

    /* Adjust text matrix using str_w */
    ...
}

适用于某些PDF文件（str_w包含有用的宽度），但不适用于其他文件。在这些情况下，str_w包含0.0。我查看了PoDoFo 0.9.5来源，发现为CharWidth()的所有子类实现了PdfFontMetrics。

在字符串转换过程中，我是否遗漏了重要内容？

从2017年8月4日更新

@mkl在审查PoDoFo的代码方面做得非常好。但是，我意识到我必须获得一些不同的参数。确切地说，我需要以文本空间单位表示的字形宽度（参见PDF Reference 1.7， 5.1.3字形定位和指标 ），但CharWidth()在PdfFontMetricsObject.cpp中实现，如：

double PdfFontMetricsObject::CharWidth(unsigned char c) const
{
    if (c >= m_nFirst && c <= m_nLast &&
        c - m_nFirst < static_cast<int>(m_width.GetSize())) {
        double dWidth = m_width[c - m_nFirst].GetReal();

        return (dWidth * m_matrix.front().GetReal() * this->GetFontSize() + this->GetFontCharSpace()) * this->GetFontScale() / 100.0;
    }

    if (m_missingWidth != NULL)
        return m_missingWidth->GetReal();
    else
        return m_dDefWidth;
}

使用其他乘数（如字体大小，字符空间等）计算宽度。我真正需要的只是dWidth * m_matrix.front().GetReal()。因此，我决定从同一个文件中实现GetGlyphWidth(int c)，如：

double PdfFontMetricsObject::GetGlyphWidth(int c) const
{
    if (c >= m_nFirst && c <= m_nLast &&
        c - m_nFirst < static_cast<int>(m_width.GetSize())) {
        double dWidth = m_width[c - m_nFirst].GetReal();
        return dWidth * m_matrix.front().GetReal();
    }
    return 0.0;
}

并从第一个列表中调用此代码而不是CharWidth()。

Answer 1

如果我正确理解Podofo代码（我不是真正的Podofo专家......），PdfFontMetricsObject类用于表示现有PDF中包含的字体的度量标准：

/** Create a font metrics object based on an existing PdfObject
 *
 *  \param pObject an existing font descriptor object
 *  \param pEncoding a PdfEncoding which will NOT be owned by PdfFontMetricsObject
 */
PdfFontMetricsObject( PdfObject* pFont, PdfObject* pDescriptor, const PdfEncoding* const pEncoding );

此处的方法CharWidth实现如下：

double PdfFontMetricsObject::CharWidth( unsigned char c ) const
{
    if( c >= m_nFirst && c <= m_nLast
        && c - m_nFirst < static_cast<int>(m_width.GetSize()) )
    {
        double dWidth = m_width[c - m_nFirst].GetReal();

        return (dWidth * m_matrix.front().GetReal() * this->GetFontSize() + this->GetFontCharSpace()) * this->GetFontScale() / 100.0;
    }

    if( m_missingWidth != NULL )
        return m_missingWidth->GetReal ();
    else
        return m_dDefWidth;
}

特别是看到参数c不是根据字体编码进行编码，而是保留为widths数组中的查找。因此，此方法的预期输入似乎不是ASCII或ANSI字符代码，而是原始字形ID。

另一方面，您的代码已经将字形ID转换为UTF-8中的Unicode，因此，实质上是尝试按ANSI字符代码进行查找。

这将与示例文档相匹配，处理错误的PDF中的典型字体编码如下所示

28 0 obj
<<
  /Differences[0/B/G/W/a/d/e/f/g  9/i/l/n/o/p/r/space/t/w]
  /BaseEncoding/MacRomanEncoding
  /Type/Encoding
>>
endobj

字形代码从0（ FirstChar ）到17（ LastChar ）或

12 0 obj
<<
  /Differences[1/A/B/C/D/F/I/L/M/N/O/P/R/T/U/a/c/d
                /degree/e/eight/f/five/four/g/h
               27/i/l/m/n/o/one/p/parenleft/parenright
                /period/r/registered/s/space
                /t/three/two/u/w/zero]
  /BaseEncoding/MacRomanEncoding
  /Type/Encoding
>>
endobj

包含从1（ FirstChar ）到46（ LastChar ）的字形代码。

因此，对于所有必需的字形，这些编码处理从0开始的字形代码，并不真正涵盖那么多字形

因此，对于高于17或高于46的所有char值，CharWidth将返回0，这意味着所有（在前一种情况下）或大多数（在后一种情况下）ANSI非控制字符。

另一方面，正确处理的PDF中的典型字体编码如下所示：

1511 0 obj
<<
  /Type/Encoding
  /BaseEncoding/WinAnsiEncoding
  /Differences[
    1/Delta/Theta
    8/Phi
    11/ff/fi/fl/ffi
    39/quoteright
  ]
>>
endobj

包含从1（ FirstChar ）到122（ LastChar ）的字形代码。

这些编码基本上是 WinAnsiEncoding ，在较低的值中有少量添加，特别是控制字符值。

因此，你可以做的是迭代str中的字形代码（允许你为它们调用CharWidth）并在需要时将它们单独转换为Unicode而不是先转换{{1转到Unicode str，然后在ucode_str中迭代ANSI字符。

使用PoDoFo

1 个答案: