Helvetica 中的 PDFBox“特殊”字符

Question

我正在使用 PDFBox 2.0.0-SNAPSHOT 在 Java 中构建 PDF。它适用于非常基本的字符（例如 [a-zA-Z9-0]），但我遇到了稍微更高级的字符的编码错误，例如 ’ (quoteright)。这是我的代码：

PDDocument pdf = new PDDocument();
PDPage page = new PDPage(PDRectangle.A4);
pdf.addPage(page);

PDPageContentStream contents = new PDPageContentStream(pdf, page);
PDFont font = PDType1Font.HELVETICA;
contents.beginText();
contents.setFont(font, 12);

// ...

String text = "’";
contents.showText(text);

contents.endText();
contents.close();

我得到这个异常：

Can't encode U+2019 in font Helvetica. Type 1 fonts only support 8-bit code points

我在PDF specification的D.1部分查了非嵌入字体支持的字符，应该支持这个字符。

的确，如果我使用this trick，我可以插入正确的字符：

// ...

// String text = "’";
// contents.showText(text);
byte[] commands = "(x) Tj ".getBytes();
commands[1] = (byte)145;    // = 221 octal = quoteright in WinAnsi
contents.appendRawCommands(commands);

// ...

但这并不是一个切实可行的解决方案。除了手动搜索字符串中可能存在的每个字符带来的不便之外，appendRawCommands 方法现已弃用。

那么，这是怎么回事？ the answer from above 暗示 showText 不应该存在旧 drawString 方法的问题，但显然有些东西不起作用。

编辑： 根据评论中的要求，这里是异常的完整堆栈跟踪：

Exception in thread "main" java.lang.IllegalArgumentException: Can't encode U+2019 in font Helvetica. Type 1 fonts only support 8-bit code points
    at org.apache.pdfbox.pdmodel.font.PDType1Font.encode(PDType1Font.java:343)
    at org.apache.pdfbox.pdmodel.font.PDFont.encode(PDFont.java:285)
    at org.apache.pdfbox.pdmodel.font.PDFont.getStringWidth(PDFont.java:314)
    at com.fatfractal.test.PDFBoxTest.textWidth(PDFBoxTest.java:148)
    at com.fatfractal.test.PDFBoxTest.showFlowingTextAt(PDFBoxTest.java:128)
    at com.fatfractal.test.PDFBoxTest.build(PDFBoxTest.java:73)
    at com.fatfractal.test.PDFBoxTest.main(PDFBoxTest.java:97)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:497)
    at com.intellij.rt.execution.application.AppMain.main(AppMain.java:144)

Answer 1

看PDFBox的代码，确实是个bug。如果您查看 PDType1Font.encode() 方法，如果代码点 > 0xFF，它会自动抛出。但是，如果逻辑在这种情况下继续进行，则 GlyphList 会将“\u2019”字符转换为 "quoteright"，这将是字体中的有效字符。

Answer 2

正如@jtahlborn 在他的回答中解释的那样，PDType1Font.encode() 在当前的 2.0.0 候选版本中被破坏了。

与 1.x.x PDPageContentStream 方法 drawString 相比，2.0.0 候选发布方法 showText 是编码感知的。

作为 work-around，因此，您可以使用带有子集嵌入的复合字体，例如在标准 MS Windows 安装上：

InputStream fontStream = new FileInputStream("c:/Windows/Fonts/ARIALUNI.TTF");
PDType0Font font = PDType0Font.load(pdf, fontStream);

使用此字体您的代码不会因 "’" 而失败，因为复合字体类没有在此处 PDType1Font 中观察到的错误。

Helvetica 中的 PDFBox“特殊”字符

PDFBox “special” characters in Helvetica

java

pdfbox