pdftk 生成的 pdf 无法呈现正确的 utf-8

Question

版本是

2.02

我有一个带有名称字段的简单 pdf。我使用

fdf

 创建了一个 

pdftk

pdftk form4.pdf generate_fdf output data4.fdf

删除不必要的字段，如下所示：（pastebin上的完整视图）

/Fields [
<<
/V (testname)
/T (name)
>>]

然后我修改

fdf

并将

testname

更改为

testϢname

(U+03E2)（使用

vim

并开启 utf-8 编码，还

cat

在终端中查看其正确性）

然后我尝试使用

生成pdf

pdftk form4.pdf fill_form data4.fdf output form5.pdf need_appearances

查看表格（下图），我看到不同的字符。我在 MacOS 预览版、Chrome 和 Acrobat 上查看了此内容。我也用了

flatten

，但结果是一样的。这是 Arial unicode 字符。

Answer 1

简单地调用字符 Arial 并不能实现这一点，除非字体位于 PDF“内部”，并且因为您不知道客户使用的字符是美国字符、亚美尼亚字符还是亚洲字符等。您需要包含来自世界各地的字段通常没有真正的字符，除了最初没有字体之外，需要使用 Acrobat Reader 编辑器等 PDF 重写器将字体添加到文件中。

您的表单有 20 个对象条目，我们可以将其数量减少约 25% 至 15 个活动条目，并且大小不会损失任何内容，但会使其更干净。然而，这里是20的关键条目

6 0

是页面

/TLBZsrqIpt

相对于左下角的字段Xobject，然后字体

/FTPLWNbykz

用作14pt（名称）的纯文本括号的意思是（纯文字ASCII字节） )

6 0 obj
<</Length ~90>>
stream
q /TLBZsrqIpt Do Q
q 0 g BT /FTPLWNbykz 14 Tf 1 0 0 1 199 689.154 Tm [(name)] TJ ET Q
endstream
endobj

因此，我们首先要澄清的是，固定页面文本不是 Arial，因此不需要字体，因为它存储 Helvetica，因此任何瑞士字符 32-128 和一些（此处为“Windows ANSI”单字节，但可能是 Mac 编码）。

/Font<</FTPLWNbykz 4 0 R>>

4 0 obj <</Type/Font/Subtype/Type1/BaseFont/Helvetica/Encoding/WinAnsiEncoding>> endobj

那么放在它前面的字段呢？嵌入什么字体？

2 0 obj <</AP<</N 16 0 R>>/DA(/Helv 14 Tf 0 g)/F 4/FT/Tx/Ff 4194304/MK<<>>/P 1 0 R/Q 0/Rect[200.5 650 300.5 675]/Subtype/Widget/T(name)/TM(NySwFduhG)/V(testname)>> endobj

因此我们看到它也将简单地使用 Helvetic Swiss Style Latin 单字节字体的 14 点缩写

/Helv 14

。也只希望能被替换成

(plain text)

因此，到目前为止，文件中没有任何内容允许任何 Unicode 字符加密。

Acrobat Editing Reader 保存后。它改变。现在，不再有 15 个工作对象，而是在 33 个文件中约有 24 个（大约 8 个是冗余条目）。但是，该文件现在大约大 8 倍，因为需要嵌入该一个字符的所有字体。您不会看到此处列出的字体，因为它不是页面文本使用的 Simple Helvetica 名称的一部分。

[![在此处输入图像描述][1]][1]

Acrobat 如何从纯文本更改为“基于字体”的字段条目

在这里，我们看到 (ANSI) 已通过编程方式更改为 16 位 HeX (UTF16)。

2 0 obj <</AP<</N 21 0 R>>/DA(/Helv 14 Tf 0 g)/F 4/FT/Tx/Ff 4194304/MK<<>>/P 1 0 R/Q 0/Rect[200.5 650 300.5 675]/Subtype/Widget/T(name)/TM(NySwFduhG)/V<FEFF007400650073007403E2006E0061006D0065>>> endobj


  [1]: https://i.stack.imgur.com/XPSw3.png