生成PDF时，c#无法获取捷克字符

Question

我在生成PDF时添加诸如“Č”或“Ć”之类的字符时遇到问题。我主要使用段落在PDF报告中插入一些静态文本。以下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，我得到的输出如下：“字母测试，Š，Ž，Đ”

出于某种原因，iTextSharp似乎无法识别这些字母，如“Č”和“Ć”

Answer 1

问题：

首先你似乎不是在谈论西里尔文字，而是在谈论使用拉丁文字的中欧和东欧语言。看看code page 1250和code page 1251之间的区别，了解我的意思。[注：我已更新了问题，使其涉及捷克文字而非西里尔文字。]

第二次观察。您正在编写包含特殊字符的代码：

"Testing of letters Č,Ć,Š,Ž,Đ"

这是一种糟糕的做法。代码文件存储为纯文本，可以使用不同的编码保存。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）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"

这还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

你的第三个错误是你假设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之类的字体文件。ttf（或选择任何其他知道如何绘制这些字形的字体）

第四个错误是没有嵌入字体。假设您使用本地机器上的字体，并且能够绘制特殊的字形，那么您将能够在本地机器上读取文本。但是，接收您的文件但没有您在其本地计算机上使用的字体的用户可能无法正确读取文档

第五个错误是使用字体时没有定义编码（这与第二个错误有关，但不同）

解决方案：

我已经编写了一个名为CzechExample的小示例，它生成了以下PDF:czech.pdf

我已经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();
}

为了避免您的第三个错误，我使用了FreeSans字体。ttf而不是Helvetica。您可以选择任何其他字体，只要它支持要使用的字符。为了避免第四个错误，我将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);

这将把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；缺点是不应该开始混合代码页。例如：这不适用于西里尔铭文

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);

这将把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多个字节表示。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语与拉丁语、汉语与日语等混合使用。。。缺点是创建了更多的字节，但这种效果受到内容流被压缩的限制

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

您可能会感到惊讶，这些字符在外观上看起来不错（在Adobe Reader中查看文本时），但与您在内部看到的不一致（在查看第二个屏幕截图时），但这就是它的工作方式

结论：

许多人认为创建PDF很简单，创建PDF的工具应该是一种商品。事实上，事情并不总是那么简单；-）

Answer 2

如果您使用的是FontProvider，我通过将registerShippedFreeFonts参数设置为true来解决特殊字符的显示问题：

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

另见：https://itextpdf.com/en/resources/books/itext-7-converting-html-pdf-pdfhtml/chapter-6-using-fonts-pdfhtml