PDF文件通常对字体字形使用“正确”的字符代码吗？

Question

假设我有一个包含一个或多个嵌入式字体的PDF文件。以下是我对文本单个字符呈现方式的理解：

• 首先，确定角色使用的字体
• 使用嵌入在PDF中的字体的“cmap”来确定给定字符的字体字形名称。例如，角色的

我的问题是：PDF cmap通常是一致的吗？换句话说，如果我遇到这个角色“

当然，我意识到cmap有可能使用非直观的映射——我想我是在问，这在现实世界中真的会发生吗？

我的具体用例是音乐字体。我正在分析PDF中的字符，以确定每个字符代表的音乐符号（例如，高音谱号、记事本等）。我想知道我有多自信，字体名称和字符代码的组合总是会产生相同的字形。例如，如果我知道字体名是“Opus”，字形是“#”，我能假设它总是映射到高音谱号字形吗？或者我必须分析字形的度量，以确保它实际上是一个高音谱号？

Answer 1

它不同于一个PDF创建者到另一个。

一种相当常见的方法（唉！）是“遇到的顺序”，其中文本流中的第一个字符被映射到\001，然后映射到\002，依此类推。因此，文本“Hello”将被编码为\001\002\003\003\004。

我想知道我有多自信，字体名称和字符代码的组合总是会产生相同的字形。

在单个PDF文档中，如果在不同的上下文中使用相同的字体对象，这将是真的——映射在字体对象内部定义。如果您遇到另一个字体对象使用相同的字体，但它指向另一个字体流（即，字体子集嵌入了两次），那么它可能不是真的。每个子集可能有自己的编码。

只有当字体对象包含/ToUnicode映射时，您才能确信值映射到正确的字符。