从PDF中提取ToUodeode表

Question

有人能建议一种易于实现的方法从PDF中提取ToUnicode表吗？我可以使用来自mupdf的pdfextract提取字体，现在我正在寻找一种方法来为这些字体提取ToUnicode表。

Answer 1

您可以修改pdfextract以提取ToUnicode CMaps（而不是表格，CMaps）。

您可以查看savefont中的代码并添加如下内容：

obj = fz_dict_gets(dict, "ToUnicode");
if (obj)
{
    stream = obj;
}

如果存在ToUnicode（不需要），那么您可以以与将字体流写入文件的方式类似的方式转储流。

obj = fz_dict_gets(dict, "ToUnicode");
if (obj)
{
    stream = obj;
        buf = fz_new_buffer(0);

        error = pdf_load_stream(&buf, xref, fz_to_num(stream), fz_to_gen(stream));
        if (error)
        die(error);
            /* Do something with the data */
    }

buf-＆gt;数据（大小为buf-> len）将包含CMap，您可以将其写入文件或其他任何内容。