pdfbox: ... 在此字体的编码中不可用

Question

我在使用 pdfbox 2.0.2 从以前阅读的文档 ( https://www.dropbox.com/s/ttxiv0dq3abh5kj/Test.pdf?dl=0 ) 的元素编写 pdf 文档时遇到问题。一切正常，除非我调用 showText在我之前使用 out.setFont(textState.getFont(), textState.getFontSize()) 设置字体的 PDPageContentStream 上(请参阅信息日志)并且字体为 ComicSansMS 或 ArialBlack。 textState是(来自)先前读取文档的状态。使用 Helvetica 或 Times-Roman 书写文本效果很好。

INFORMATION: set font PDTrueTypeFont RXNQOL+ComicSansMS,Bold/18.0 embedded    
SEVERE: error writing <w>U+0077 is not available in this font's encoding: built-in (TTF)

我想问题可能是由于字体名称中缺少连字符或空白引起的，但不知道如何解决这个问题。

这是完整的代码

import java.awt.Point;
import java.awt.geom.Point2D;
import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.contentstream.PDFGraphicsStreamEngine;
import org.apache.pdfbox.cos.COSName;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.graphics.image.PDImage;
import org.apache.pdfbox.pdmodel.graphics.state.PDTextState;
import org.apache.pdfbox.util.Matrix;
import org.apache.pdfbox.util.Vector;

public class Test extends PDFGraphicsStreamEngine {

public static void main(String[] args) throws IOException {
    test();
}

public static void test() throws IOException {
    PDDocument document = PDDocument.load(new File("Test.pdf"));
    PDPage pageIn = document.getPage(0);
    PDDocument saveDoc = new PDDocument();
    PDPage savePage = new PDPage(pageIn.getMediaBox());
    saveDoc.addPage(savePage);
    try (PDPageContentStream out = new PDPageContentStream(saveDoc, savePage)) {
        Test test = new Test(pageIn, out);
        test.processPage(pageIn);
    }
}

private final PDPageContentStream out;

public Test(PDPage pageIn, PDPageContentStream out) {
    super(pageIn);
    this.out = out;
}

@Override
public void appendRectangle(Point2D p0, Point2D p1, Point2D p2, Point2D p3) throws IOException {
}

@Override
public void clip(int windingRule) throws IOException {
}

@Override
public void closePath() throws IOException {
}

@Override
public void curveTo(float x1, float y1, float x2, float y2, float x3, float y3) throws IOException {
}

@Override
public void drawImage(PDImage pdImage) throws IOException {
}

@Override
public void endPath() throws IOException {
}

@Override
public void fillAndStrokePath(int windingRule) throws IOException {
}

@Override
public void fillPath(int windingRule) throws IOException {
}

@Override
public Point2D getCurrentPoint() {
    return new Point(0, 0);
}

@Override
public void lineTo(float x, float y) throws IOException {
}

@Override
public void moveTo(float x, float y) throws IOException {
}

@Override
public void shadingFill(COSName shadingName) throws IOException {
}

@Override
protected void showGlyph(Matrix textRenderingMatrix, PDFont font, int code, String unicode, Vector displacement) throws IOException {
    super.showGlyph(textRenderingMatrix, font, code, unicode, displacement);
    PDTextState textState = getGraphicsState().getTextState();
    out.beginText();
    out.setTextMatrix(getTextMatrix());
    out.setFont(textState.getFont(), textState.getFontSize());
    out.showText(unicode);
    out.endText();
}

@Override
public void strokePath() throws IOException {
}

}

有什么建议？

谢谢，
于尔根

Answer 1

tl; dr:该字体不支持编码。

问题的原因是您的 Comic Sans 子集字体确实有一个“post”(postscript)表，但它的 glyphNames 表为空。 IE。您的字体没有字形名称。对于 A-Z、a-z，名称就像这些字符；对于 "("字形名称是 "parenleft"。由于缺少这些名称，PDFBox 从字形 ID 创建伪名称，如 PDTrueType.readEncodingFromFont( )。



但是，在编码时，PDFBox 使用 Adob​​e Glyphlist，因为字体没有编码条目。如果您使用 PDFDebugger 查看其他字体，例如R18，你会发现“编码:WinAnsiEncoding”:



您显然正在做的是创建一个仅包含文本的新页面。另一种方法是分析内容流并简单地删除所有描绘与文本不同的东西的标记。首先，请查看源代码下载中的 RemoveAllText 示例，并下载 PDF 32000 规范，并查看“运算符(operator)摘要”部分并小心您删除的内容。例如，“Do”既用于绘制图像，也用于绘制 XObject 表单，它们也是内容流。

看这里:
How can I remove all images/drawings from a PDF file and leave text only in Java?

两种解决方案都是错误的，第一个只是从脚下拉出所有图像，第二个是一个好的开始，但没有注意检查参数是否为图像。