使用 PDPageContentStream/PDDocument 时如何处理 Java 中的非 ASCII 字符答案

【问题标题】：How to handle non-ASCII Characters in Java while using PDPageContentStream/PDDocument使用 PDPageContentStream/PDDocument 时如何处理 Java 中的非 ASCII 字符
【发布时间】：2011-05-10 07:53:07
【问题描述】：

我正在使用PDFBox 从我的网络应用程序创建 PDF。 Web 应用程序是用 Java 构建的并使用 JSF。它从基于 Web 的表单中获取内容并将内容放入 PDF 文档。

示例：用户在表单中填写 inputTextArea（JSF 标记）并将其转换为 PDF。我无法处理非 ASCII 字符。

我应该如何处理非 ASCII 字符或至少在将其放入 PDF 之前将其删除。请帮助我提出任何建议或指出任何资源。谢谢！

【问题讨论】：

您是否知道数据在进入 Web 应用程序或进入 PDF 的过程中是否损坏？
您是否尝试为您的 Web 表单和 PDF 生成器设置正确的编码？（此外，您的 PDF 是如何生成的？）
数据没有损坏，但是如果有人从 MSWord 复制内容并尝试将其粘贴到文本区域，它可能不喜欢它。
@Riduidel 我没有尝试为网络表单设置任何编码，你能建议我怎么做吗？谢谢
你需要更清楚的问题。数据是否在之前或之后转换为PDF？只需在转换为 PDF 之前将提交的数据打印到 stdout/log/console。

标签： java pdf jsf unicode character-encoding

【解决方案1】：

由于您在 JSP 上使用 JSF 而不是 Facelets（已隐式使用 UTF-8），请执行以下步骤以避免使用平台默认字符集（通常是 ISO-8859-1，这是处理大多数“非 ASCII”字符的错误选择）：

将以下行添加到所有 JSP 的顶部：
```
<%@ page pageEncoding="UTF-8" %>
```
这会将响应编码设置为 UTF-8 并且将 HTTP 响应内容类型标头的字符集设置为 UTF-8。最后一个将指示客户端（网络浏览器）使用 UTF-8 显示和提交带有表单的页面。

创建一个Filter，它在doFilter() 方法中执行以下操作：

request.setCharacterEncoding("UTF-8");

将其映射到FacesServlet，如下所示：

<filter-mapping>
    <filter-name>nameOfYourCharacterEncodingFilter</filter-name>
    <servlet-name>nameOfYourFacesServlet</servlet-name>
</filter-mapping>

这会将所有 JSF POST 请求的请求编码设置为 UTF-8。

这应该可以解决 JSF 端的 Unicode 问题。我从未使用过 PDFBox，但由于它使用 iText 的封面，而 iText 反过来应该已经支持 Unicode/UTF-8，我认为这部分很好。进行上述修复后，如果它仍然没有，请告诉我。

另见：

Unicode - How to get the characters right?

【讨论】：