iText7高级教程之html2pdf——6.在pdfHTML中使用字体

Posted 2022-12-15 CuteXiaoKe

  到目前为止，我们还没有花太多的精力来研究将html转换为PDF时使用的字体。我们知道Helvetica是iText在没有指定字体时使用的默认字体（第2章），我们知道如果需要嵌入字体，pdfHTML会附带一些内置字体（第4章），但我们还没有得到支持哪些字体的清晰概述。

  在阅读本章之前，您需要了解两件事：

• “iText core”库支持Type1字体（.AAFM/.PFB）、旧的TrueType字体（.TTF）、具有Type1轮廓的OpenType字体（.otf）、具有TrueType轮廓的OpenType字体（.TTF）和TrueType集合（.ttc），以及Web开放字体格式（.woff）。
• pdfHTML插件使用DefaultFontProvider，默认情况下，它只支持14种标准Type 1字体和内置于pdfHTML中的12种字体。您可以配置字体提供程序以支持更多字体。

  在本章中，我们将查看一些使用pdfHTML中提供的默认字体的示例，并将解锁对核心库支持的所有其他类型字体的访问。

1. 标准Type 1字体

  ISO 32000（第1部分和第2部分）第9.6.2.2节列出了标准Type 1类字体（也称为14种标准字体）。

Section 9.6.2.2: Standard Type 1 Fonts (Standard 14 Fonts)

  14种Type 1字体（称为14种标准字体）的PostScript名称如下：Times Roman、Helvetica、Courier、Symbol、Times Bold、Helvedica Bold、Courier Bold、ZapfDingbats、Times Italic、Helvetina Oblique、Courier Oblique，Times BoldItalic、Hervetica BoldOblique和Courier BoldObrique。

  这些字体或其字体度量(font metrics)和合适的替代字体应可供大家使用。

  在创建PDF文档时不必嵌入这些字体，因为每个PDF查看器都知道如何呈现这十四种字体。iText附带了与这些标准14字体对应的14个Adobe Font Metrics（AFM）文件，这意味着始终支持这些字体。但是，由于相应的打印机字体二进制文件（Printer Font Binaries，PFB）是专有的，iText永远不会嵌入这些字体。

  fonts_standardtype1.html文件列出了14种字体：4种Helvetica字体、4种Times字体、4种Courier字体、Symbol和ZapfDingbats字体。从图6.1中可以看出，浏览器正确渲染了Helvetica、Times和Courier。

图6.1 标准Type 1字体(HTML)

  Symbol和ZapfDingbats是具有自定义编码的字体。他们不能很好地在HTML中展示。在常见问题解答FAQ中，我们将发现还有其他字体更适合符号，例如Symbol和ZapfDingbats中提供的字体。目前，我们z只能展示Symbol字体的数字（0123456789）和ZapfDingbats字体的不间断空格字符( )。

  下面代码中，我们使用在之前篇章中简单的createPdf()/CreatePdf():

public void createPdf(String src, String dest) throws IOException 
    HtmlConverter.convertToPdf(new File(src), new File(dest));

  当我们查看图6.2所示的文档属性中的字体选项卡时，我们看到PDF文档中使用了所有14种字体。

图6.2 标准Type 1字体(PDF)

  这些字体都没有嵌入，因为iText只提供字体度量，而不提供字体二进制文件。字体由本地计算机上可用的字体替换。在这种情况下，Courier被CourierStd取代，Helvetica被ArialMT取代，Times Roman被TimesNewRomanPSMT取代。

  不同操作系统上的不同PDF查看器可能会使用其他字体作为“Actual Fon”。例如，当您想要创建PDF/A文档时，这可能会有问题。为了解决这个问题，pdfHTML插件附带了12种免费字体。

2. iText附带的字体

  pdfHTML插件支持三种字体家族的字体嵌入：san、serif和monospaced家族。对于每个font-family，有四种字体可用：常规字体、粗体字体、斜体（或倾斜）字体和粗体斜体（或粗体倾斜）字体。

  在fonts_shipped.html文件中，我们使用font-family：FreeSans、font-family：FreeSerif和font-family：Free Mono。我们也可以使用font-family：sans、font-family：serif和font-family：mono；这将导致同样的结果。我们使用字体weight：bold和字体style：italic的不同组合，以便显示每个font-family的四种字体。

图6.3 pdfHTML附带的字体（HTML）

  用来呈现这个HTML页面的浏览器不知道在哪里可以找到sans和monospaced字体；如上图图6.3。

  这很遗憾，但创建的相应PDF看起来不错。

图6.4 pdfHTML附带的字体（PDF）

  查看图6.4中文档属性的字体面板，我们发现十二种字体中的每一种都有一个子集被嵌入，而Helvetica和HelveticaBold则完全没有嵌入。

  如果不更改字体提供程序，这26种字体（其中只有24种在HTML上下文中真正有用）是默认情况下支持的唯一字体。

  这是非常有限的，所以让我们来看看如何添加对更多字体的支持。例如：如果我们能够访问我们正在使用的操作系统提供的所有系统字体，这不是很好吗？

3. 系统字体

  在fonts_system.html文件，我们引入了诸如Calibri和Verdana等字体系列。在Windows计算机上编写本教程，浏览器可以正确呈现不同的Calibri和Verdana字体（参见图6.5），因为C:\\Windows\\fonts目录中提供了相应的字体程序。

图6.5 系统字体（HTML）

  默认情况下，pdfHTML使用如下创建的DefaultFontProvider实例：

FontProvider provider = new DefaultFontProvider();

  此构造函数调用另一个以三个布尔值作为参数的构造函数。上述行相当于：

FontProvider provider = new DefaultFontProvider(true, true, false);

  该构造函数的每个布尔值都会导致注册特定类型的字体：

1. registerStandardPdfFonts–将注册十四种标准Type 1字体，
2. registerShippedFreeFonts–将注册十二种iText自带的字体，
3. registerSystemFonts–将注册系统字体。

  registerStandardPdfFonts和registerShippedFreeFonts的默认值为true，因为这些字体几乎不需要任何资源。

  registerSystemFonts的默认值为false，因为当您将此值设置为true时，iText将搜索操作系统上包含系统字体的目录。这有一些缺点：

1. 加载和选择字体可能耗时，并且
2. 如果我们注册完整的目录，我们无法控制字体的添加顺序，
3. 如果你偶然碰到了带有嵌入限制的字体，那你就倒霉了。

  但现在我们不必担心，我们还是更改字体提供程序以支持系统字体。下面示例中将所有布尔值设置为true，然后看看会发生什么。

public void createPdf(String src, String dest) throws IOException 
    ConverterProperties properties = new ConverterProperties();
    properties.setFontProvider(new DefaultFontProvider(true, true, true));
    HtmlConverter.convertToPdf(new File(src), new File(dest), properties);

  现在我们已经更改了ConverterProperties，我们几乎可以使用C:\\Windows\\Fonts中的任何字体。其中包括Calibri和Verdana系列的字体。这些字体的子集现在嵌入到PDF中，如图6.6所示。

图6.6 系统字体（PDF）

  如果您正在另一个操作系统上工作，例如Linux，没有C:\\Windows\\Fonts目录，但这不是问题。

  iText尝试使用环境变量获取字体目录，并在此基础上搜索以下目录：

• /usr/share/X11/fonts，
• /usr/X/lib/X11/fonts，
• /usr/openwin/lib/X11/fonts，
• /usr/share/fonts，
• /usr/X11R6/lib/X11/fonts，
• /Library/Fonts，以及
• /System/Library/Fonts。

  小心使用此系统字体功能。通常，让pdfHTML访问所有系统字体不是最好的选择。让我们看看一些替代方案。

4. web开放字体格式(Web Open Font Format fonts)

  Web开放字体格式是一种用于网页的字体格式。WOFF字体本质上是具有压缩和附加元数据的OpenType或TrueType字体。

  在fonts_woff.html文件，您可以看到我们如何定义SourceSerifPro字体系列的六种字体。

图6.7 Web开放字体格式（HTML）

  首先，我们定义@font-face，例如：

@font-face 
    font-family: "SourceSerifPro-Regular";
    src: url("fonts/SourceSerifPro-Regular.otf.woff") format("woff");

  然后定义一个类选择器中使用字体，例如：

.regular 
    font-family: "SourceSerifPro-Regular";

  最终，我们在HTML中使用类选择器：

<td class="regular">quick brown fox jumps over the lazy dog</td>

  这个例子我们不会改变ConverterProperties：

public void createPdf(String src, String dest) throws IOException 
    HtmlConverter.convertToPdf(new File(src), new File(dest));

  pdfHTML插件将自动下载WOFF字体（如图6.7右下角所示），并将这些字体的子集嵌入PDF中，如图6.8所示。

图6.8 Web开放字体格式（PDF）

  如果您想将在互联网上网页转换为PDF，则特别欢迎对WOFF字体的支持，但请考虑到使用此方法时，HTML到PDF的转换过程可能会缓慢。字体是通过网络下载的，这通常会降低速度。

  最快的选项是将所选字体添加到字体提供程序。

5. 添加所选字体到字体提供程序

  在fonts_extra.html中，我们将语句"quick brown fox jumps over the lazy dog"写了3次：

• 一次为字体家族Cardo的常规字体，
• 一次为字体家族Cardo的加粗字体，但如果在任何情况下都找不到Cardo粗体，则将使用Times字体，
• 一次为字体家族Cardo的倾斜字体，但如果在任何情况下都找不到Cardo斜体，则将使用Times字体。

  如图6.9所示：

图6.9 额外字体（HTML）

  在代码里面我调整了字体提供程序：

public static final String FONT = "src/main/resources/fonts/cardo/Cardo-Regular.ttf";
public void createPdf(String src, String font, String dest) throws IOException 
    ConverterProperties properties = new ConverterProperties();
    FontProvider fontProvider = new DefaultFontProvider();
    FontProgram fontProgram = FontProgramFactory.createFont(FONT);
    fontProvider.addFont(fontProgram);
    properties.setFontProvider(fontProvider);
    HtmlConverter.convertToPdf(new File(src), new File(dest), properties);

  我们将执行以下步骤：

• 我们创建一个DefaultFontProvider实例。
• 通过传递指向字体程序Cardo-Regular.ttf路径给FontProgramFactory来创建一个FontProgram。
• 添加这个字体程序到字体提供程序，并且把这个字体提供程序设置成一个转换属性。

  通过这种方式，我们将一种选定的字体添加到字体提供程序中。因此，我们定义了常规字体的语句“quick brown fox jumps over the lazy dog”将使用Carbo-Regular字体呈现。由于我们没有提供Carbo系列的任何粗体或斜体字体，因此其他两行使用Type 1型字体Roman-Bold和Roman-Italic。

图6.10 额外字体（PDF）

  让我们修复它，下面的例子中，我们不使用addFont()/AddFont()方法一次添加一个字体。相反，我们使用addDirectory()/AddDirectory()方法一次性添加三种Carbo字体：

public static final String FONTS = "src/main/resources/fonts/cardo/";
public void createPdf(String src, String fonts, String dest) throws IOException 
    ConverterProperties properties = new ConverterProperties();
    FontProvider fontProvider = new DefaultFontProvider();
    fontProvider.addDirectory(FONTS);
    properties.setFontProvider(fontProvider);
    HtmlConverter.convertToPdf(new File(src), new File(dest), properties);

   Cardo目录下面同时包含了字体家族Cardo的粗体和斜体，iText不再依赖于Times字体系列。如图6.11。

图6.11 额外字体（PDF，都为Cardo字体家族）

  添加包含大量字体的目录时要小心。字体添加到字体提供程序的顺序很重要、

6. 选择正确的字体顺序

  当我们谈到使用系统字体时，我们提到，如果我们注册了完整的目录，就无法控制字体的添加顺序。我们将使用简单的hello.htmk文件了解为什么这是一个缺点。见图6.12。

图6.12 Hello HTML，未指定字体

  我们将使用相同的createPdf()/CreatePdf()方法将这个简单的HTML文件转换为PDF两次，但我们将创建一个DefaultFontProvider实例，该实例不注册任何标准Type 1字体，不注册任何内置字体，也不注册任何系统字体。这将排除使用Helvetica、FreeSans或任何其他字体作为默认字体。

  我们将添加一组字体，这些字体的路径存储在名为fonts的String数组中；pdfHTML必须使用其中一种字体作为默认字体。代码如下：

public void createPdf(String src, String[] fonts, String dest) throws IOException 
    ConverterProperties properties = new ConverterProperties();
    FontProvider fontProvider = new DefaultFontProvider(false, false, false);
    for (String font : fonts) 
        FontProgram fontProgram = FontProgramFactory.createFont(font);
        fontProvider.addFont(fontProgram);
    
    properties.setFontProvider(fontProvider);
    HtmlConverter.convertToPdf(new File(src), new File(dest), properties);

  我们将在两个例子C06E07_ExtraFontsOrder1.java和C06E08_ExtraFontsOrder2.java中使用相同的字体： NotoSans-Regular.ttf 和Cardo-Regular.ttf，但是两个例子生产的PDF会不一样。

  第一个例子C06E07_ExtraFontsOrder1.java中，创建的顺序为：

public static final String[] FONTS = 
    "src/main/resources/fonts/noto/NotoSans-Regular.ttf",
    "src/main/resources/fonts/cardo/Cardo-Regular.ttf"
;

  Noto字体是数组中的第一个元素，它包含将HTML文件呈现为PDF所需的所有字形，因此不需要Cardo字体。见图6.13：

图6.13 Hello HTML，Noto字体

  第二个例子C06E08_ExtraFontsOrder2.java中，我们把顺序颠倒：

public static final String[] FONTS = 
    "src/main/resources/fonts/noto/Cardo-Regular.ttf",
    "src/main/resources/fonts/cardo/NotoSans-Regular.ttf"
;

  现在Carbo字体是数组中的第一个元素，它还包含将HTML文件呈现为PDF所需的所有字形，因此不需要Noto字体。见图6.14：

图6.14 Hello HTML，Carbo字体

  这两个例子解释了pdfHTML内部工作的一个重要方面。当pdfHTML需要将字符呈现为字形时，它将首先在HTML中搜索字体名称，并询问字体提供商是否有该名称可用的字体。如果找不到字体，或者没有提供字体名称，则pdfHTML将按照注册的顺序对注册到字体提供商的不同字体进行循环。一旦pdfHTML找到可以将字符呈现为字形的字体，它将使用该字体。
  当注册一个完整的目录时，例如通过包含所有系统字体，您无法控制不同字体程序添加到字体提供程序的顺序。这使得很难预测pdfHTML将使用哪种字体。如果您编写的应用程序可以迁移到不同的系统，这尤其有问题。不同的系统可能有不同的系统字体，这可能会导致PDF文档看起来完全不同，因为使用了不同的字体。字体目录中包含嵌入限制的字体也存在风险。当pdfHTML遇到这样的字体时，将引发异常。

  字体有一个重要的方面，到目前为止我们没有花任何精力去关注。当我们使用字体时，我们将HTML文件中的字符映射到PDF文档中的字形。a字符可以映射到字母a的不同可视化，例如’a’、‘a’或’a’，甚至’α’或“@”或任何其他字形，具体取决于所使用的编码。

  有关字体和编码的更多信息，请参阅iText7高级教程之构建基础块——1.引入字体。

7. 选择合适的编码

  使用标准Type 1字体时，iText使用Helvetica、Times和Courier字体系列的Winansi编码。Symbol和ZapfDingbats字体有自己的自定义编码。

  在Winansi编码的情况下，iText创建一个简单的字体(simple font)。简单字体最多可将256个字符映射到256个字形，这意味着每个字符只能包含一个字节。如果您希望在一种字体中支持256个以上的字符，则需要使用复合字体。例如：如果使用Identity-H编码，则字符将存储为Unicode字符。

  使用Unicode，或者至少提供到Unicode的映射(toUnicode mapping)，被认为是PDF中的最佳实践。这是PDF/A level U的要求，也是可读性方面的要求，因为Unicode映射允许检索文件中引用的每个字符的语义属性。

  pdfHTML插件将尽可能使用Unicode。这解释了为什么许多示例在屏幕截图中显示Identity-H编码，但使用标准Type 1字体的情况除外。标准Type 1字体不支持Unicode，因此改用Winansi。

  如果您不同意iText选择的默认编码，可以定义自己的编码。例如，请见下面代码示例中，我们使用Carbo-Regular，就像我们在上一个示例中所做的那样，但是我们没有让iText选择编码，而是明确告诉iText使用Winansi：

public static final String FONT = "src/main/resources/fonts/cardo/Cardo-Regular.ttf";
public void createPdf(String src, String font, String dest) throws IOException 
    ConverterProperties properties = new ConverterProperties();
    FontProvider fontProvider = new DefaultFontProvider(false, false, false);
    FontProgram fontProgram = FontProgramFactory.createFont(FONT);
    fontProvider.addFont(fontProgram, "Winansi");
    properties.setFontProvider(fontProvider);
    HtmlConverter.convertToPdf(new File(src), new File(dest), properties);

  当我们将图6.15中文档属性的字体面板与图6.14中的字体面板进行比较时，我们现在看到的编码是“Ansi”而不是“Identity-H”。

图6.15 Hello HTML，Carbo字体，Ansi编码

  这种从复合字体到简单字体的变化也会影响文件大小。

• 使用（Win）Ansi编码，每个字符存储为单个字节；
• 使用Identity-H编码，每个字符都存储为两个字节。

  图6.16显示了fonts_cardo.pdf文件（Identity-H编码）和fonts_encoding.pdf文件（Ansi编码）的大小差异。

图6.16 复合字体vs简单字体

  文件大小的差异是有限的，因为包含单字节或双字节字符的内容流都是压缩的。

  如果文件大小有问题，可以考虑使用Winansi编码而不是Identity-H，但要注意这是有代价的。如果希望您你文件符合当前和未来的长期保存或可读性标准，最好创建文件大小稍大但使用Unicode的文件。

  如果要创建包含不同语言内容的文档，也可以使用Unicode。

8. 国际化

  fonts_i18n.html文件包含一个表，第一列是电影的英文标题，第二列是同一部电影的不同语言的标题。

图6.17 国际化（HTML代码）

  我们使用UTF-8编码存储了此文件，并且在HTML标头中明确指出，此HTML文件中的所有字符都应视为UTF-8字符：

<meta charset="UTF-8">

  如果省略这一行，则会出现一个典型的编码问题，如图6.18所示。

图6.18 国际化（错误的浏览器视图）

  这绝对不是我们想要的。如果你像读取普通ASCII文件一样读取UTF-8文件，您可以在iText中获得类似的胡言乱语。如果使用正确的编码，您将看到如图6.19所示的页面。

图6.19 国际化（浏览器视图）

  首先我们看看错误的代码示例，我简单的createPdf()/CreatePdf()方法是不够的。

public void createPdf(String src, String dest) throws IOException 
    HtmlConverter.convertToPdf(new File(src), new File(dest));

  在这个错误案例中主要有2大类陷阱，我们通过图6.20和图6.21展示这些问题。

  当我们查看图6.20中的希伯来语（Hebrew ）和阿拉伯语（Arabic）文本时，我们看到字符被呈现为字形，但它们的呈现顺序错误。希伯来语和阿拉伯语是从右到左书写的，需要额外的处理来检测和应用正确的书写系统。

图6.20 错误的国际化（PDF没有pdfCalligraph）

  在“特殊”的书写系统中添加内容需要更多的CPU，出于性能的原因，iText默认情况下不使用该CPU。如果要转换希伯来语、阿拉伯语或印度语（印地语、卡纳达语、泰米尔语、泰卢固语…）内容，则需要在CLASSPATH中明确包含pdfCalligraph插件。这将激活特殊的排版功能。

  一旦安装了pdfCalligraph，希伯来文文本看起来已经更好了，但结果仍然存在一些严重问题，如图6.21所示。

图6.21 错误的国际化（PDF）

  中文和韩语标题仍然缺失，日语标题中的几个字符也是如此。阿拉伯字符在那里，现在它们的顺序是正确的，但它们都是错误的，因为没有做连字。当您使用pdfCalligraph时，可以开箱即用地支持连字，但此插件使用存储在字体内部的信息来创建连字。不幸的是，内置字体不支持阿拉伯文连字。

  我们可以通过引入支持中文（如NotoSansCJKsc-Regular）、日语（如NotoSansCJKjp-Regular），韩语（如NotoSansCJKkr-Regular）、希伯来语（如NotoSansHebrew-Regular）和阿拉伯语（如NotoNaskhArabic-Regular）的字体来解决所有这些问题。你可以在包含Noto Sans常规字体的目录中找到所有这些字体。

  实现的代码如下：

public static final String[] FONTS = 
    "src/main/resources/fonts/noto/NotoSans-Regular.ttf",
    "src/main/resources/fonts/noto/NotoSans-Bold.ttf",
    "src/main/resources/fonts/noto/NotoSansCJKsc-Regular.otf",
    "src/main/resources/fonts/noto/NotoSansCJKjp-Regular.otf",
    "src/main/resources/fonts/noto/NotoSansCJKkr-Regular.otf",
    "src/main/resources/fonts/noto/NotoNaskhArabic-Regular.ttf",
    "src/main/resources/fonts/noto/NotoSansHebrew-Regular.ttf"
;
public void createPdf(String src, String[] fonts, String dest) throws IOException 
    ConverterProperties properties = new ConverterProperties();
    FontProvider fontProvider = new DefaultFontProvider(false, false, false);
    for (String font : FONTS) 
        FontProgram fontProgram = FontProgramFactory.createFont(font);
        fontProvider.addFont(fontProgram);
    
    properties.setFontProvider(fontProvider);
    HtmlConverter.convertToPdf(new File(src), new File(dest), properties);

  现在，我们可以比较图6.22中使用pdfCalligraph创建的PDF的屏幕截图和图6.19中在浏览器中呈现的HTML页面。

图6.22 国际化（PDF）

  注意，我们明确排除了标准Type 1字体、内置字体和系统字体。我们完全优先考虑了Noto字体（google开源项目字体）。当然，我们没有使用与浏览器使用的字体完全相同的字体，但至少所有的字符都在那里，并且连字正确。如果我们想要更好的匹配，我们需要搜索浏览器使用的字体，并将相应字体程序的路径添加到字体提供程序。

实际上，官方提供的源码里面没有引入pdfCalligraph插件，因为这个插件是闭源的，书写顺序一致是从左到右，如果你对书写顺序感兴趣的话，你可以参阅 第7章-如何将包含阿拉伯语/希伯来语字符的HTML转换为PDF？ 的内容

9. 总结

  在本章中，我们尝试了不同类型的字体。我们已经了解到，默认情况下只支持有限的字体集，而且我们可以添加对几乎任何我们喜欢的字体的支持，前提是我们可以访问相应的字体程序。

  我们还发现iText支持不同于西方从左到右书写系统的书写系统，并且支持连字（阿拉伯文、印度文……），但前提是我们包含pdfCalligraph插件。

  在下一章（也是最后一章）中，我们将讨论一些常见问题。

iText7高级教程之html2pdf教程源码下载