Apache PDFBox表单填充TrueType文本行间距问题

Question

我在用ApachePDFBox填写PDF表格。我使用的是TrueType字体（不是默认字体），叫做“Impact”，非常标准。在模板中，我有一个名为“Title”的字段，指定了影响字体。我使用下面的代码获取该模板，并用一个包含多个单词的值填充该字段。

问题是，当你查看创建的PDF时，单词之间有很大的空格。如果在Acrobat中打开PDF并单击该字段，文本将发生变化，大间距将消失。以任何方式编辑该字段都将永久性地更正该问题，但我生成的表单不会在事后更改。

我用默认字体做了同样的实验（本例中是Helvetica），但上述问题并不存在。我可以创建一个空白表单，添加一个字段，设置自定义字体并复制问题。

我读到过类似的问题在2.0.0 PDFBOX-2062中得到了解决，但这是为了改变字体大小，而不是定制字体。

我使用的是PDFBox版本2.0.1。

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

    String formTemplate = "/BLANK.pdf";
    String outputPDF = "/FillFormField.pdf";

    // load the documents
    PDDocument pdfDocument = PDDocument.load(new File(formTemplate));

    // get the document catalog
    PDAcroForm acroForm = pdfDocument.getDocumentCatalog().getAcroForm();

    // as there might not be an AcroForm entry a null check is necessary
    if (acroForm != null)
    {
        PDTextField field = (PDTextField) acroForm.getField( "Title" );
        field.setValue("Low Mileage Beauty");
    }

    // Save and close the filled out form.
    pdfDocument.save(outputPDF);
    pdfDocument.close();

}

Answer 1

这个问题是由两个因素造成的：

• PDFBox在编写文本和
时的一个怪癖
• 源PDF中的不一致字体对象。

将文本写入内容流时，PDFBox会将每个Unicode代码点转换为名称，并在从倒排字体编码生成的映射中查找该名称。

手头案例中的字体编码是MacRomanEncode。在该编码中（同样在WinAnsiEncode中）有两个到名称空间的映射，参见PDF规范ISO 32000-1的附件D2，表中给出了一个：

          CHAR CODE (OCTAL)
CHAR NAME  STD MAC WIN PDF
...
     space 040 040 040 040
...

脚注6中有一条：

反转字体编码只能有一个名称空间值，碰巧是八进制312（=十进制202）。

由于这两个空间图示符预计在排版上是相同的，这种怪癖应该是无害的。但是：

PDF中的字体影响定义为正常空格图示符的宽度为176，非中断空格图示符的宽度为750。因此，它们在版式上存在巨大差异。

但是，由于PDF中的影响被定义为具有MacRomanEncode（此处没有兴趣的微小变化），因此这两个字形需要（“应”表示要求）在排版上相同，参见脚注。上面引用。

第一个快速选项是@Tilman已经在评论中建议，

设置acroForm。SetNeedAppearancess（true）

这将设置一个标志，指示PDF查看器重新创建外观内容流。不过，这可能不适用于某些预览器。

下一个选项是修复包含不一致字体定义的源PDF。

最终PDFBox可能想要摆脱这种怪癖。虽然在排版上应该不会对绘制的空间变体产生影响，但选择非破坏性变体是一种诱人的命运。