pdfbox：提取字体中的U+0050没有字形

Question

我试图在文档中创建新的页面并写入一些文本，同时使用文件中包含的字体。

字体是从资源中提取的：

PDPage page = document.getPage(0);
PDResources res = page.getResources();

List<PDFont> fonts = new ArrayList<>();

for (COSName fontName : res.getFontNames()) {
     PDFont font = res.getFont(fontName);
     System.out.println(font);
     fonts.add(font);
}

后来用来写一些文字：

stream.beginText();
stream.setFont(fonts.get(0), 12);
stream.setTextMatrix(Matrix.getTranslateInstance(20, 50));
stream.showText("Protokol");
stream.endText();

包括PDF在内的完整项目可在github存储库中获得，该存储库显示了该问题

Answer 1

在这里，您实际上遇到了一个打开的PDFBox TODO，您的stream.showtext最终调用每个字符的基础CID字体的encode，这里我们有：

public class PDCIDFontType2 extends PDCIDFont
{
    ...
    public byte[] encode(int unicode)
    {
        int cid = -1;
        if (isEmbedded)
        {
            ...
            // otherwise we require an explicit ToUnicode CMap
            if (cid == -1)
            {
                //TODO: invert the ToUnicode CMap?
                // see also PDFBOX-4233
                cid = 0;
            }
        }
        ...
        if (cid == 0)
        {
            throw new IllegalArgumentException(
                    String.format("No glyph for U+%04X (%c) in font %s", unicode, (char) unicode, getName()));
        }

        return encodeGlyphId(cid);
    }
    ...
}

(org.apache.pdfbox.pdmodel.font.pdcidfonttype2)

如果PDFBox无法确定从Unicode到glyph代码的映射(if(cid==-1))，JavaDoc注释指出了确定glyph代码的另一种方法，即反向查找ToUnicode映射。如果实现了这一点，PDFBox可能已经确定了一个字形ID并写入了您的文本。