Helvetica中的PDFBox“特殊”字符

Question

我正在使用 PDFBox 2.0.0-SNAPSHOT 在 Java 中构建 PDF。它适用于非常基本的字符（例如[a-zA-Z9-0]），但对于更高级的字符（例如’（quoteright））出现编码错误。这是我的代码：

PDDocument pdf = new PDDocument();
PDPage page = new PDPage(PDRectangle.A4);
pdf.addPage(page);

PDPageContentStream contents = new PDPageContentStream(pdf, page);
PDFont font = PDType1Font.HELVETICA;
contents.beginText();
contents.setFont(font, 12);

// ...

String text = "’";
contents.showText(text);

contents.endText();
contents.close();

我得到了这个例外：

无法在字体 Helvetica 中编码 U+2019。 Type 1 字体仅支持 8 位 代码点

我在PDF specification 的 D.1 节中查找了非嵌入字体支持的字符，应该支持该字符。

确实，如果我使用this trick，我可以插入正确的字符：

// ...

// String text = "’";
// contents.showText(text);
byte[] commands = "(x) Tj ".getBytes();
commands[1] = (byte)145;    // = 221 octal = quoteright in WinAnsi
contents.appendRawCommands(commands);

// ...

但这并不是一个实际的解决方案。除了手动搜索字符串中可能存在的每个字符带来的不便之外，appendRawCommands 方法现在已被弃用。

那么，这里发生了什么？ the answer from above 暗示 showText 不应该有旧的 drawString 方法存在的问题，但显然有些东西不起作用。

编辑：根据 cmets 的要求，这里是异常的完整堆栈跟踪：

Exception in thread "main" java.lang.IllegalArgumentException: Can't encode U+2019 in font Helvetica. Type 1 fonts only support 8-bit code points
    at org.apache.pdfbox.pdmodel.font.PDType1Font.encode(PDType1Font.java:343)
    at org.apache.pdfbox.pdmodel.font.PDFont.encode(PDFont.java:285)
    at org.apache.pdfbox.pdmodel.font.PDFont.getStringWidth(PDFont.java:314)
    at com.fatfractal.test.PDFBoxTest.textWidth(PDFBoxTest.java:148)
    at com.fatfractal.test.PDFBoxTest.showFlowingTextAt(PDFBoxTest.java:128)
    at com.fatfractal.test.PDFBoxTest.build(PDFBoxTest.java:73)
    at com.fatfractal.test.PDFBoxTest.main(PDFBoxTest.java:97)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:497)
    at com.intellij.rt.execution.application.AppMain.main(AppMain.java:144)

Answer 1

查看 PDFBox 代码，它确实看起来像一个错误。如果您查看PDType1Font.encode() 方法，如果代码点> 0xFF，它会自动抛出。但是，如果在这种情况下继续执行逻辑，则 GlyphList 会将“\u2019”字符转换为“quoterright”，这将是字体中的有效字符。

Answer 2

正如@jtahlborn 在他的回答中解释的那样，PDType1Font.encode() 在当前的 2.0.0 候选版本中被破坏了。

与 1.x.x PDPageContentStream 方法 drawString 相比，2.0.0 候选版本方法 showText 是编码感知的。

因此，作为一种解决方法，您可以使用带有子集嵌入的复合字体，例如在标准的 MS Windows 安装上：

InputStream fontStream = new FileInputStream("c:/Windows/Fonts/ARIALUNI.TTF");
PDType0Font font = PDType0Font.load(pdf, fontStream);

使用此字体，您的代码不会因"’" 而失败，因为复合字体类没有在此处PDType1Font 中观察到的错误。