如何使用 PDFKit 获取某些文本的原始字体名称？

Question

我编写了一个脚本，它解析 PDF 文件中的信息并将其输出到 HTML。它是用 Python 编写的，使用 pdfminer。

在某些文本段上，字体样式可能具有语义意义。例如：粗体、斜体和颜色应该触发不同的行为。 Pdfminer 为脚本提供字体名称，但不提供颜色，而且它还有许多其他问题；所以我正在开发该程序的 Swift 版本，使用 Apple 的 PDFKit 来提取相同的功能。

我现在发现我遇到了相反的问题。虽然 PDFKit 使检索颜色变得容易，但检索原始字体名称似乎并不明显。 PDFSelection 对象具有 attributedString 属性，但对于我的计算机上未安装的字体，NSFont 对象是 Helvetica。当然，有问题的字体相当昂贵，仅仅为了这个目的而获得一个副本将是一种糟糕的形式。

没有下降到CGPDFContentStream（对于我想要的东西来说，方式太大了），有没有办法获得原始字体名称？我提前知道字体会是什么，我可以利用它来发挥我的优势吗？

Answer 1

PDFKit 似乎使用标准字体查找系统，然后回退到一些默认值，因此可以通过欺骗字体来解决这个问题，以确保 PDFKit 不需要回退。检查文档后，我发现它使用了以下字体（引用了它们的 PostScript 名称）：

• “NeoSansIntel”
• “NeoSansIntelMedium”
• “NeoSansIntel，斜体”

我使用免费的字体创建实用程序来创建具有这些 PostScript 名称的虚拟字体，并将它们添加到我的应用程序包中。然后我使用CTFontManagerRegisterFontsForURLs 加载这些字体（在.process 范围内），现在PDFKit 将这些字体用于需要它们的属性字符串。

当然，字体是伪造的，这对渲染毫无用处。但是，它非常适合识别使用这些字体的文本。