尝试将简单的 UTF16 字符嵌入手动创建的 PDF 但失败

Posted 2023-03-27

【中文标题】尝试将简单的 UTF16 字符嵌入手动创建的 PDF 但失败

【英文标题】：Trying to embed simple UTF16 character into manually created PDF but failing

【发布时间】：2021-09-26 23:38:33

【问题描述】：

我正在尝试手动创建 PDF 文档（使用 github 上的 PDFGen C 代码）。这是在存储空间有限的小型设备上。

在我想嵌入（比如）Unicode Ohms 字符 (U+2126) 之前，一切正常。

下面是我正在使用的测试文件，它应该在“H”之后显示带有欧姆符号的“Hello”。

但是，它实际上显示“H!&ello”。

%PDF-1.4
<hex chars removed>
1 0 obj
<< /Pages 2 0 R /Type /Catalog >>
endobj
2 0 obj
<< /Count 1 /Kids [ 3 0 R ] /Type /Pages >>
endobj
3 0 obj
<< /Contents 4 0 R /MediaBox [ 0 0 500 800 ] /Parent 2 0 R /Resources 5 0 R /Type /Page >>
endobj
4 0 obj
<< /Length 57 >>
stream
BT /F1 24 Tf 175 720 Td <FEFF004821260065006C006C006F> Tj ET
endstream
endobj
5 0 obj
<< /Font << /F1 6 0 R >> >>
endobj
6 0 obj
<< /BaseFont /Courier /Subtype /Type1 /Type /Font >>
endobj
xref
0 7
0000000000 65535 f 
0000000015 00000 n 
0000000064 00000 n 
0000000123 00000 n 
0000000229 00000 n 
0000000335 00000 n 
0000000378 00000 n 
trailer << /Root 1 0 R /Size 7 /ID [<89311a609a751f1666063e6962e79bd5><89311a609a751f1666063e6962e79bd5>] >>
startxref
448
%%EOF

我只能假设我的 Unicode 十六进制字符串 <FEFF004821260065006C006C006F> 格式错误。

还是字体定义不正确？

还是我对如何嵌入 Unicode 的理解有误？

我最终不想要嵌入任何字体，因为我没有存储空间或处理能力。我只想添加 Unicode 字符并依靠 PDF 渲染器来确定如何使用默认的 Courier 字体显示它们。

这可能吗？

提前感谢您提供任何帮助/建议/cmets。

更新

在以下一些有用的建议之后，我现在已经设法实现了我所需要的。

我修改了我的代码，以便在 Courier 和 Symbol 之间按字符切换字体，现在支持（几乎）所有标准字符。

我还添加了一些字符缩放以保持符号字符与 Courier 字体对齐，但最终结果对我有用 :)

这是我的测试 PDF 的图像...

【参考方案1】：

奇怪的是原始 PC IBM 437 代码集包含 Ω wiki note i [03A9] (234) 但没有送达 Courier ?? 您可以尝试将您需要的少数字符编码为嵌入的子集符号字体，并且很可能使用 ascii(7bit) 或 ansi(8bit) 来实现，但对于您的少数字符来说开销将是巨大的。

更简单的尝试将字体（根据目标字符的需要）切换为Symbol 字体，它可能看起来像这样

附：代码不需要是“单词”双打，只有 256 个字符。

    << /BaseFont /Symbol /Subtype /Type1 /Type /Font >>
    BT /F2 24 Tf 175 720 Td <4857657C7C6F20766FC27C64> Tj ET

通过交替快递和符号，您将获得您想要的

在您的代码中，它可能类似于（包含转换）

BT
/F0 24 Tf 1 0 0 1 0 .0675 Tm (H) Tj
ET
BT
/F1 24 Tf 1 0 0 1 14.4 .0675 Tm <003a> Tj
ET
BT
/F0 24 Tf 1 0 0 1 32.832 .0675 Tm (ello) Tj
ET

请注意，我的编辑器使用 F0 表示 Courier，F1 表示符号（以 0 为底更正常） 它还使用了一种稍微不同的代码方法，将 Omega 定义为<003a>

在这里，我正在调整 Windows 记事本中的文本，以观察编译 (Ctrl+S) 如何移动 Omega 字符间距，同时在预览器中观看它横向滑动。另请注意，原始符号字体中的 大写 Omega 为 W !!

所以我的代码替换修复看起来像这样（通过删除空格和换行符，您可以轻松使它看起来更接近您的，并且更精简）

%PDF-1.4
%µ¶

1 0 obj
<<
  /Pages 2 0 R
  /Type /Catalog
>>
endobj

2 0 obj
<<
  /Count 1
  /Kids [ 3 0 R ]
  /Type /Pages
>>
endobj

3 0 obj
<<
  /Contents 4 0 R
  /MediaBox [ 0 0 500 800 ]
  /Parent 2 0 R
  /Resources <<
    /Font <<
      /F1 5 0 R
      /F2 6 0 R
    >>
  >>
  /Type /Page
>>
endobj

4 0 obj
<<
  /Length 133
>>
stream
q
BT
/F1 24 Tf
1 0 0 1 175 720 Tm
(H) Tj
ET
BT
/F2 24 Tf
1 0 0 1 189 720 Tm
(W) Tj
ET
BT
/F1 24 Tf
1 0 0 1 206 720 Tm
(ello) Tj
ET
Q

endstream
endobj

5 0 obj
<<
  /BaseFont /Courier
  /Subtype /Type1
  /Type /Font
>>
endobj

6 0 obj
<<
  /BaseFont /Symbol
  /Subtype /Type1
  /Type /Font
>>
endobj

xref
0 7
0000000000 65536 f 
0000000016 00000 n 
0000000070 00000 n 
0000000136 00000 n 
0000000307 00000 n 
0000000494 00000 n 
0000000569 00000 n 

trailer
<<
  /Size 7
  /Root 1 0 R
  /ID [ <89311A609A751F1666063E6962E79BD5> <EE408A115072E92E3A34C8BB8BDC6AE6> ]
>>
startxref
643
%%EOF

【讨论】：

是的，这就是我现在正在研究的解决方案……它似乎可以满足我的需求。非常感谢:)

【参考方案2】：

你做不到。

注意：您要插入 Unicode 字符（不是 UTF-16，它只是 Unicode 的众多表示/编码之一）。

没有字体包含所有字形，据我所知，只有少数 Latin-1 字体对于 PDF 是安全的（并且是必需的）。注意：此类字体需要 Latin-1 编码（与所有其他字体相反，这只是“pre Unicode epoch”的可移植性问题）。一个额外的问题。 Type1 使用字形索引，这可能与 Unicode Codepoints 不同（实际上，我认为它们总是不同的）。 IIRC Adob​​e 有一些关于此的文档。而且 type1 几乎不支持了，也许 2021 年的项目最好不要使用它。

您可能假设人们将使用 Microsoft Windows，因此您可以使用 Symbol 字体（并使用 Omega，而不是 Ohm，它可能用相同的字形表示）。但在这种情况下，您正在创建“非便携式”便携式文档格式 (PDF)。

【讨论】：

好的，看来我只能支持 PDF 规范附件 D 中定义的字符/字体集。必须按字符切换字体