PDFBox 中 DroidSansFallback 字体 Unicode 映射问题：完整解决指南

2024-03-07 02:09:53

解决 PDFBox 中 DroidSansFallback 字体 Unicode 映射问题的终极指南

问题

当使用 PDFBox 将 PDF 文件转换为 Excel 文件时，你可能会遇到以下错误：

org.apache.pdfbox.pdmodel.font.PDType0Font toUnicode
No Unicode mapping for CID+24 (24) in font DroidSansFallback

这表明 PDFBox 无法将 CID+24（24）字符映射到 DroidSansFallback 字体的 Unicode 等效项，导致无法正确呈现文本。

原因分析

CID（字符标识符）是一种字体编码系统，用于识别字符。当 PDF 文档使用 DroidSansFallback 字体时，它可能会包含 CID+24 字符，而该字符没有映射到任何 Unicode 字符。

解决方法

解决此问题的常见方法包括：

替换 DroidSansFallback 字体

尝试用另一种字体替换 DroidSansFallback 字体，该字体具有与 CID+24 对应的 Unicode 映射。例如，你可以使用 Arial、Times New Roman 或 Helvetica 等字体。

嵌入字体

将 DroidSansFallback 字体嵌入 PDF 文档中。这将确保字体与文档一起使用，并解决 Unicode 映射问题。

使用其他 PDF 处理库

尝试使用其他 PDF 处理库，例如 Apache FOP 或 iText，它们可能具有更好的字体支持并能够正确处理 CID+24 字符。

具体实施

对于 Java ，你可以使用 PDFBox 的 PDDocument 类替换字体：

PDDocument doc = PDDocument.load(file);
PDPageTree pageTree = doc.getPages();
for (PDPage page : pageTree) {
    List<PDObject> resources = page.getResources().getCOSObjects();
    for (PDObject resource : resources) {
        if (resource instanceof PDType0Font) {
            PDType0Font font = (PDType0Font) resource;
            if (font.getBaseFont().equals("DroidSansFallback")) {
                // Replace the font with a different font that has the required Unicode mapping.
                PDType0Font newFont = PDType0Font.load(doc, fontPath, true);
                font.getCOSObject().put("BaseFont", newFont.getCOSObject());
            }
        }
    }
}

对于 Python ，你可以使用 pdfrw 库替换字体：

import pdfrw

template_pdf = pdfrw.PdfReader('template.pdf')
new_pdf = pdfrw.PdfWriter()
new_pdf.addpage(template_pdf.pages[0])
new_pdf.trailer.Info = template_pdf.Info
new_pdf.write('new.pdf')

常见问题解答