生成PDF时无法获取捷克语字符

Question

在生成PDF时添加"Č"或"Ć"等字符时出现问题.我主要使用段落在我的PDF报告中插入一些静态文本.这是我使用的一些示例代码:

var document = new Document();
document.Open();
Paragraph p1 = new Paragraph("Testing of letters ?,?,Š,Ž,?", new Font(Font.FontFamily.HELVETICA, 10));
document.Add(p1);

生成PDF文件时得到的输出如下所示:"测试字母,Š,Ž,Đ"

出于某种原因,iTextSharp似乎不会识别这些字母,例如"Č"和"Ć".

Answer 1

问题:

首先,你似乎不是在谈论西里尔字符,而是关于使用拉丁字母的中欧和东欧语言.看看代码页1250和代码页1251之间的区别,以了解我的意思.[注意:我已经更新了这个问题,以便它谈论捷克语而不是西里尔语.]

第二次观察.您正在编写包含特殊字符的代码:

"Testing of letters ?,?,Š,Ž,?"

这是一种不好的做法.代码文件以纯文本格式存储,可以使用不同的编码进行保存.从编码中意外切换(例如:通过将其上载到使用不同编码的版本控制系统)会严重损坏文件内容.

您应该编写不包含特殊字符但使用其他符号的代码.例如:

"Testing of letters \u010c,\u0106,\u0160,\u017d,\u0110"

这还将确保在使用期望不同编码的编译器编译代码时不会更改内容.

你的第三个错误是你认为Helvetica是一种知道如何绘制这些字形的字体.这是一个错误的假设.您应该使用字体文件,如Arial.ttf(或选择任何其他知道如何绘制这些字形的字体).

你的第四个错误是你没有嵌入字体.假设您使用本地计算机上的字体并且能够绘制特殊字形,那么您将能够读取本地计算机上的文本.但是,收到您的文件但没有您在本地计算机上使用的字体的人可能无法正确读取文档.

你的第五个错误是你在使用字体时没有定义编码(这与你的第二个错误相关,但它有所不同).

解决方案:

我写了一个名为CzechExample的小例子,它产生了以下PDF:czech.pdf

我已经两次添加相同的文本,但使用不同的编码:

public static final String FONT = "resources/fonts/FreeSans.ttf";
public void createPdf(String dest) throws IOException, DocumentException {
    Document document = new Document();
    PdfWriter.getInstance(document, new FileOutputStream(DEST));
    document.open();
    Font f1 = FontFactory.getFont(FONT, "Cp1250", true);
    Paragraph p1 = new Paragraph("Testing of letters \u010c,\u0106,\u0160,\u017d,\u0110", f1);
    document.add(p1);
    Font f2 = FontFactory.getFont(FONT, BaseFont.IDENTITY_H, true);
    Paragraph p2 = new Paragraph("Testing of letters \u010c,\u0106,\u0160,\u017d,\u0110", f2);
    document.add(p2);
    document.close();
}

为了避免你的第三个错误,我使用了字体FreeSans.ttf而不是Helvetica.您可以选择任何其他字体,只要它支持您要使用的字符即可.为了避免你的第四个错误,我已将embedded参数设置为true.

至于你的第五个错误,我介绍了两种不同的方法.

在第一种情况下,我告诉iText使用代码页1250.

Font f1 = FontFactory.getFont(FONT, "Cp1250", true);

这会将字体作为简单字体嵌入到PDF中,这意味着您的每个字符String都将使用单个字节表示.这种方法的优点是简单; 缺点是你不应该开始混合代码页.例如:这对西里尔字形无效.

在第二种情况下,我告诉iText使用Unicode进行水平书写:

Font f2 = FontFactory.getFont(FONT, BaseFont.IDENTITY_H, true);

这会将字体作为复合字体嵌入到PDF中,这意味着您String将使用多个字节表示您的每个字符.这种方法的优点是它是新PDF标准中的推荐方法(例如PDF/A,PDF/UA),并且您可以将西里尔语与拉丁语,中文与日语等混合使用......缺点是你创建更多字节,但这种影响受到内容流无论如何被压缩的限制.

当我解压缩PDF示例中的文本的内容流时,我看到以下PDF语法:

正如我所解释的,单个字节用于存储第一行的文本.双字节用于存储第二行的文本.

您可能会惊讶于这些角色在外部看起来很好(在Adobe Reader中查看文本时),但与您在内部看到的内容不一致(在查看第二个屏幕截图时),但这就是它的工作原理.

结论:

许多人认为创建PDF是微不足道的,创建PDF的工具应该是一种商品.实际上,它并不总是那么简单;-)