java - 用PDFBox插入NULL字符

Question

让我们考虑以下代码：

public class Test1{

    public static void CreatePdf(String src) throws IOException, COSVisitorException{
    PDRectangle rec= new PDRectangle(400,400);
    PDDocument document= null;
    document = new PDDocument();
    PDPage page = new PDPage(rec);
    document.addPage(page);
    PDDocumentInformation info=document.getDocumentInformation();
 PDStream stream= new PDStream(document);
    info.setAuthor("PdfBox");
    info.setCreator("Pdf");
    info.setSubject("Stéganographie");
    info.setTitle("Stéganographie dans les documents PDF");
    info.setKeywords("Stéganographie, pdf");
    content= new PDPageContentStream(document, page, true, false );
    font= PDType1Font.HELVETICA;

String hex = "4C0061f";  // shows "La"
//Notice that we have 00 between 4C and 61 where 00 =null character


       StringBuilder sb = new StringBuilder();
        for (int count = 0; count < hex.length() - 1; count += 2)
    {
        String output = hex.substring(count, (count + 2));
        int decimal = Integer.parseInt(output, 16);
        StringBuilder ae= sb.append((char)decimal);
    }
        String tt=sb.toString();
    content.beginText();
    content.setFont(font, 12);
    content.appendRawCommands("15 385 Td\n");
   content.appendRawCommands("("+tt+")"+"Tj\n");
    content.endText();
   content.close();
    document.save("doc.pdf");
    document.close();       
    }

我的问题是：为什么在PDF文档中用空格代替“ 00”而不是空字符？
注意，该空字符的宽度为0.0，但在PDF文档中显示为空格！
因此我得到：“ L a”而不是“ La”

Answer 1

为什么将“ 00”替换为PDF文档中的空格而不是空字符？


如果您查看PDF，则会发现用于文本的字体定义为：

9 0 obj
<<
/Type /Font
/Subtype /Type1
/BaseFont /Helvetica
/Encoding /WinAnsiEncoding
>>
endobj 

因此，您可以使用带有WinAnsiEncoding的字体。如果查看 PDF specification附件D中该编码的定义，您会发现没有32（十进制）以下的代码映射到任何内容。因此，您想要做的是使用手头编码中未定义的字符。因此，行为没有定义。对于那些未定义的代码点，Acrobat Reader似乎使用正宽度。

如果要确保隐藏的字符根本不会引起任何移位，则应在字体字典中添加一个显式的宽度数组，参见。 PDF specification中的9.6.2节，并确保不可见字符的宽度为0。（顺便说一句，几年前，不建议像PDFBox那样不嵌入widths数组）。


  请注意，此空字符的宽度为0.0


一旦您进入未定义的范围，任何事情都可能发生，并且不同的程序具有不同的假设。

PS一些代码...行之间

font= PDType1Font.HELVETICA;

和

String hex = "4C0061f";  // shows "La"

我添加了以下代码：

InputStream afmStream = ResourceLoader.loadResource("org/apache/pdfbox/resources/afm/Helvetica.afm");
AFMParser afmParser = new AFMParser(afmStream);
afmParser.parse();
FontMetric afmMetrics = afmParser.getResult();
List<Float> newWidths = new ArrayList<Float>();
for (CharMetric charMetric : afmMetrics.getCharMetrics())
{
    if (charMetric.getCharacterCode() < 0)
        continue;
    while (charMetric.getCharacterCode() >= newWidths.size())
        newWidths.add(0f);
    newWidths.set(charMetric.getCharacterCode(), charMetric.getWx());
}
font.setFirstChar(0);
font.setLastChar(newWidths.size() - 1);
font.setWidths(newWidths);

此代码应读取PDFBox中包含的Helvetica.afm字体指标资源，并从中创建FirstChar，LastChar和Widths条目。可以在这里正常使用，但是如果您的安装中没有安装，只需从PDFBox罐中提取afm文件，然后使用 FileInputStream.读取

由于某些原因，00字符似乎仍然认为它具有一定的宽度，但是可以使用低于32（十进制）的其他字符，例如

String hex = "4C0461f";

无间隙显示“ La”。如果我正确地解释了您以前关于1C和1D的问题（现在已删除），那么这已经可以帮助您继续。

PPS：关于评论中的问题：


  您能告诉我这种方法的所有缺点吗？以及为什么此方法不与重音符匹配，例如（Lé），您的代码仅与不带重音符的字符匹配，但是当我们带有重音符时，我们得到Lé而不是Le ..我只想知道有什么缺点您的代码：）


我无法告诉所有人（因为我对字体问题并不真正了解），但是从本质上讲，上述方法并不完整。

如开头所述，您使用的字体带有WinAnsiEncoding，其中没有32（十进制）以下的代码映射到任何内容。通过添加FirstChar，LastChar和Widths条目，我们尝试为代码低于32的那些字符定义零宽度。

尽管如此，尽管如此，我们既不关心这些代码的编码信息（编码仍然是纯WinAnsiEncoding），也没有考虑字体是否实际上包含那些代码的任何信息。此外，为了使事情仍然难以控制，我们正在谈论Helvetica，即PDF浏览器必须始终携带其自身信息的标准14种字体之一。无论明确给出的信息与查看者带来的信息有何矛盾，PDF查看器都可能倾向于偏向于自己的信息。

为什么特别是带有重音符号的字符有麻烦？我不确定。不过，我想这与以下事实有关：字体通常不会将带重音符号的字符作为单独的实体，而是将带重音字符和无重音字符组合在一起。也许在内部，查看者使用的字体具有一些映射到低于32的代码点的此类组合字符的信息，因此，当您的低于32的显式代码与字体对此类代码的隐式使用并排出现时，显示将变得古怪。

基本上，我通常建议不要这样做。对于普通的PDF文档，根本没有必要。

但是，就您的情况而言，在为文档Stéganographiedans les文档PDF命名时，您显然确实希望以某种方式隐藏PDF中的信息。使用看不见的，无法打印的字符似乎是一种方法。因此，您可以朝那个方向尝试。但是PDF确实提供了许多其他方式，可以将任何数量的信息放入PDF中而不会直接可见。

因此，根据您的特定目标，我认为其他方法可能会更安全地隐藏信息，例如私有PieceInfo部分或其他一些词典中的自定义标签...