c# - 生成 PDF 时无法获取捷克语字符

Question

在生成 PDF 时添加诸如“Č”或“Ć”之类的字符时遇到问题。我主要使用段落将一些静态文本插入到我的 PDF 报告中。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 Č,Ć,Š,Ž,Đ", new Font(Font.FontFamily.HELVETICA, 10));
document.Add(p1);

生成 PDF 文件时得到的输出如下所示:“字母 ,,Š,Ž,Đ 的测试”

出于某种原因，iTextSharp 似乎无法识别这些字母，例如“Č”和“Ć”。

Answer 1

问题:

第一 总而言之，您似乎不是在谈论西里尔字母，而是在谈论使用拉丁字母的中欧和东欧语言。看看code page 1250的区别和 code page 1251明白我的意思。 [注意:我已经更新了问题，以便它谈论捷克字符而不是西里尔字母。]

第二 观察。您正在编写包含特殊字符的代码:

"Testing of letters Č,Ć,Š,Ž,Đ"

这是一种不好的做法。代码文件以纯文本形式存储，可以使用不同的编码进行保存。编码的意外切换(例如:将其上传到使用不同编码的版本控制系统)可能会严重损坏文件的内容。

您应该编写不包含特殊字符但使用不同符号的代码。例如:

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

这也将确保在使用需要不同编码的编译器编译代码时内容不会被更改。

您的 第三个 错误在于您认为 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。您应该使用诸如 Arial.ttf 之类的字体文件(或选择任何其他知道如何绘制这些字形的字体)。

您的 第四 错误是你没有嵌入字体。假设您使用本地机器上的字体并且能够绘制特殊字形，那么您将能够在本地机器上阅读文本。但是，收到您的文件但没有您在其本地计算机上使用的字体的人可能无法正确阅读该文档。

您的 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有关，但它是不同的)。

解决方案:

我写了一个小例子叫CzechExample生成以下 PDF:czech.pdf



我添加了两次相同的文本，但使用了不同的编码:

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，我设置了embedded true 的参数.

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 String 中的每个字符将使用单个字节表示。这种方法的优点是简单；缺点是您不应该开始混合代码页。例如:这不适用于 Cyrillic 字形。

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 String 中的每个字符将使用一个以上的字节表示。这种方法的优点是它是较新的 PDF 标准(例如 PDF/A、PDF/UA)中推荐的方法，并且您可以将西里尔文与拉丁文、中文与日文等混合使用……缺点是您创建更多字节，但这种效果受到内容流无论如何都被压缩的事实的限制。

当我解压缩示例 PDF 中文本的内容流时，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字符在外面看起来不错(在 Adob​​e Reader 中查看文本时)，但与您在内部看到的内容不符(查看第二个屏幕截图时)，但这就是它的工作原理.

结论:

很多人认为创建PDF是微不足道的，创建PDF的工具应该是商品。实际上，事情并不总是那么简单;-)