第6章 - 文本和字体

    在本章中，我们将查看操作符和状态，以便从字体中选择 字符并在页面上打印它们。然后，我们将看到如何定义 字体及其指标并将其嵌入PDF文档中。 最后，我们讨论了从文档中提取通用文本的复杂任务。

    可以定义一个页面描述语言，其中没有执行任何文本布局， 并且提供了纯文本以及要即时填充的框和列，就像桌面发布包一样。 相反，可以根本不用定义没有字体或文本的页面描述语言， 仅仅依赖于在生成文档时将文本转换为轮廓形状， 例如，已经在文字处理器中进行了布局。

    PDF采用中间立场 - 保留了字体和小尺寸文本布局的思想， 但必须提前进行大规模的段落布局。这具有以下优点：

    • 完全控制布局，因为大规模布局（段落，换行符）是生成PDF的程序的工作。该文件看起来应该是这样的。
    • 支持可预测的小规模文本布局，例如具有固定字符间距的字符串，因此不需要明确说明每个字符的位置。
    • 通过使用字体作为字符形状库来节省空间，并简单地包含现有字体文件，从而最大限度地减少兼容性和可移植性问题。
    • 保留原始字符和一些布局元素，因此通常可以进行复制和粘贴以及文本提取。

    文本状态

    文本状态参数和修改它们的运算符总结在表6-1中。

    我们在第75页的“文本空间和文本定位”中讨论了“未缩放的文本空间单位”这一短语。文本状态与图形状态一起存储，并使用上面的运算符进行操作。当前文本状态受堆栈运算符q和Q的影响，就像图形状态一样。

    在页面上打印文本需要：

    1. 选择字体。
    2. 选择位置，大小和方向。
    3. 选择间距，颜色，文本渲染模式和其他参数。
    4. 从字体中选择字符，并在页面上显示。

    运算符BT（开始文本）和ET（结束文本）在文本部分周围形成括号。 用于在页面的内容流中显示文本的运算符可能仅出现在BT和ET之间。 但是，用于改变文本状态的操作符不受这种限制。 文本部分还可能包含其他操作员改变一般图形状态。

    举个例子，我们回到第2章中的“Hello，World！”文件：

    在这里，我们使用带有字体名称和大小运算符的Tf运算符来选择字体，使用Tj运算符来显示文本字符串。 我们依靠图形运算符cm来定位文本。现在，我们将讨论更改文本位置的其他方法。

    Text Space and Text Positioning

    文本空间是定义文本的坐标系。从此文本空间到用户空间的转换（然后像往常一样转换到设备空间）确定文本在页面上的放置位置。 文本字符串中第一个字形的原点位于文本空间的原点。

    有两个矩阵需要考虑：

    • 文本矩阵，定义下一个字形的当前转换。它由文本定位和显示运算符的文本改变。
    • 文本行矩阵，它是当前行开头的文本矩阵的状态。因此，通过使用操作员移动到下一行，可以垂直对齐文本行，而无需手动跟踪行的开始位置。

    这些矩阵不会从文本部分持续到文本部分，而是在每个文本部分的开头重置为单位矩阵。 结合字体大小，水平缩放和文本上升，这两个矩阵定义了从文本空间到用户空间的转换。

    表6-2总结了修改文本位置的运算符。

    Tj运算符在当前位置显示文本。这与我们已经看到的文本定位算子相结合就足够了。 但是，为方便起见，还提供了三个附加操作符（’，’’和TJ）。这些是文本显示和文本定位的常见组合的快捷方式。 表6-3总结了显示操作员的文本。

    为简单起见，我们现在将使用标准字体和基于Latin-1的PDFDocEncoding来显示一些显示文本的示例。 与往常一样，这些示例可以在在线资源中找到。

    Character and word spacing

    这是我们的第一个例子，我们使用各种运算符显示一些文本行。结果如图6-1所示：

    2. /F0 36 Tf
    3. 1 0 0 1 120 350 Tm
    4. 50 TL
    5. (Character and Word Spacing) Tj T* 
    6. 3 Tc
    7. (Character and Word Spacing) Tj T* 
    8. 10 Tw
    9. (Character and Word Spacing) Tj
    1. 使用Tf在36点选择字体/F0
    2. 使用Tm将文本位置设置为（120,350）
    3. 使用TL将前导设置为50点
    4. 用Tj显示一个字符串，并使用T*移动到下一行
    5. 将字符间距设置为3个点，然后再次绘制字符串
    6. 将单词间距设置为10个点，并第三次绘制字符串

    Text transforms

    在此示例中，我们将展示文本转换如何与图形转换相结合，以确保文本定位操作（例如，移动到下一行）正常工作，即使整个文本部分已转换。 结果如图6-2所示：

    1. 0.96 0.25 -0.25 0.96 0 0 cm BT
    2. /F0 48 Tf
    3. 48 TL
    4. 1 0 0 1 270 240 Tm
    5. (Text and graphics) Tj T* 
    6. (transforms combined) Tj T* 
    7. (with newlines) Tj
    8. ET

    在这里，我们有：

    1. 设置图形矩阵以围绕原点逆时针旋转cm
    2. 选择一个字体并使用Tf和TL设置前导
    3. 设置文本矩阵以使用Tm将起点偏移（270,240）
    4. 用Tj和T*写成三行

    第6章 - 文本和字体 - 图2

    Text rise

    Ts运算符可用于调整文本的垂直位置：

    结果如图6-3所示。这是我们第一次使用多个Tj运算符而不启动新行。 请注意，显示文本的Tj运算符将文本位置设置为刚刚绘制的字符串的末尾。

    Kerning and glyph adjustment

    TJ运算符是Tj的替代，用于绘制具有水平字形调整的字符串。这些通常发生在文字放置在文字处理器或打字机中时，特别是如果内容完全合理。 TJ运算符是一种编码此信息的便捷方式，无需为每行文本使用数十个运算符：

    1. BT
    2. /F0 72 Tf
    3. 90 TL
    4. 1 0 0 1 240 330 Tm
    5. [(PJ WAYNE)] TJ T*
    6. [(P)150(J )(W)150(A)80(YN)20(E)] TJ ET

    我们在这里曾经两次使用过TJ; 一次显示文本正常，第二次包括传递给TJ的数组中的手动kerns。结果如图6-4所示。 第6章 - 文本和字体 - 图4

    Text rendering modes

    文本有七种渲染模式，使用Tr运算符设置。其中四个用于将文本设置为剪切路径，一个用于编写不可见文本。 我们在这里不考虑这些。其他三个（模式0,1和2）分别用于填充，抚摸和填充跟随行程。颜色的设置方式与形状绘制相同：

    2. BT
    3. /F0 72 Tf
    4. 1 0 0 1 160 380 Tm
    5. 90 TL 
    6. (Text Mode Zero ) Tj T*
    7. 1 Tr 
    8. (Text Mode One ) Tj T*
    9. 2 Tr 
    10. (Text Mode Two) Tj
    11. ET

    结果如图6-5所示。

    Defining and Embedding Fonts

    字体是特定字符集的字形（字符形状）的集合。在PDF中，字体由字体字典组成， 字体字典定义度量，字符集和编码（将文本字符串中的字符代码映射到字体中的字符）， 以及字体程序（实际的字体文件），以各种格式（Type 1，TrueType等）。

    Font Types in PDF

    PDF允许使用主要的流行字体格式以及类型3字体，通过使用PDF图形运算符集合直接定义字符形状， 允许编码任何其他字体类型（例如，传统位图字体）。

    Type 1 fonts 在字体字典中引入字体类型/Type1。类型1是最初用于PostScript的Adobe字体格式。标准的14种字体被定义为Type 1字体。多个Master Type 1字体（/MMType1）是Type 1的扩展，允许从一组轮廓自动生成许多字体样式。

    TrueType字体 在字体字典中引入字体类型/ TrueType。基于Apple的True-Type字体格式（也常用于Microsoft Windows）。

    Type 3 fonts 引入字体类型/Type3。这些是由PDF图形运算符流组成的字体。这意味着它们可以包含颜色和阴影，因此更灵活，但没有用于在小尺寸下清晰显示的提示机制。通常用于模拟其他字体格式（例如，位图字体）。

    我们将使用Type 1字体作为示例。表6-4总结了Type 1字体字典中的条目。

    PDF中有14种标准的Type 1字体。这些是在任何PDF应用程序中必须提供度量标准和大纲（或合适的替换字体）的字体。 然而，现在，Adobe建议所有字体都是完全嵌入的，即使是这些。标准字体是：

    例如，这是一个简单的Type 1字体：

    1. 1 0 obj
    2. << /Type /Font
    3.    /BaseFont /Times-Roman
    4.    /FirstChar 0
    5.    /LastChar 255
    6.    /Widths [ 255 255 255 255 ... 744 268 380 380 380 380 380 380 380 380 380 380 ] 
    7.    /FontDescriptor 2 0 R
    8.    /Encoding /WinAnsiEncoding
    9. >>

    省略号…是我们省略的内容，不是PDF语言的一部分。我们稍后讨论/FontDescriptor和/Encoding条目。 /Widths数组为此字体中的每个256个字符提供文本空间单位的千分之一宽度。

    Font Encodings

    字体编码描述字符代码（内容流中使用的字符串中的字符）和字体中的字形描述之间的映射。 字体程序有自己的内置编码，但PDF字体可以改变编码以使用带有Microsoft Windows编码的Macintosh字体， 或者使用单字节编码从256字节以上的字体中选择最多256个字符 字形（例如，字符或连字的变体）。

    最简单的/Encoding条目只是标准编码之一的名称，这些编码在PDF标准，附录D中定义。 通过使用字典而不是编码名称来定义更复杂的编码。表6-5总结了该词典中的条目。

    在例6-1中，字体具有一种编码，该编码通过用字符/项目符号（项目符号点）替换字符1来定义与内置字体编码的差异。 这意味着PDF查看器可以正确剪切和粘贴文本，因为它现在知道字符代码1是项目符号点（类似/bullet的名称是在Adobe字形列表中预定义的）。它对PDF的显示没有任何影响。

    1. Example 6-1. A font encoding for a font with the bullet point added
    2. 25 0 obj
    3. << /Type /Font
    5.    /Encoding 23 0 R Reference to the encoding dictionary. 
    6.    /BaseFont /Symbol
    7.    /ToUnicode 24 0 R Instructions for conversion to Unicode.
    8. >> 
    9. endobj
    10. 23 0 obj Encoding dictionary 
    11. << /Type /Encoding
    12.    /BaseEncoding /WinAnsiEncoding The base encoding.
    13.    /Differences [ 1 /bullet ] The differences 
    14. >>
    15. endobj

    创建PDF文件时，必须嵌入字体，以便显示PDF或以其他方式处理PDF的程序可以使用字形描述和编码。要嵌入字体：

    1.提取字体文件中的各种细节 - 根据所讨论的字体格式而变化的过程。这些细节（度量，编码等）用于填写字体字典，字体度量和字体编码字典。 2.现在可以从有问题的字体文件中删除这些细节，如果字体格式允许，只留下字形描述 - 所有这些信息现在都在字体字典中。这减小了嵌入字体的大小。 3.字体可以是子集，删除整个字形描述，将字体文件缩减为仅保存实际使用的字符的字体文件。例如，仅用于文档标题的字体实际上可能只使用十个字符。根据字体格式，可能必须更改编码以将所有这些字符放在字体的前几个字符位置，以便它们编号为1,2,3 ….子集字体可以由形成的前缀标识六个大写字母后跟一个+，例如RTFGRF +。当创建子集以允许不同的子集彼此区分时，生成该唯一代码。

    示例6-2中给出了嵌入字体的示例。

    这里不讨论实际字体格式（Type1，TrueType等）的细节 - 实际上，它们也没有在PDF标准中讨论，而是由来自这些字体格式的提供者的外部文档讨论。

    习惯上在文件的字体词典中包含足够的信息，以允许检索实际的字符标识（而不仅仅是字形）。 这对于允许用户从PDF查看应用程序（如Adobe Reader）中搜索和复制文本非常重要。In还可以以更有限的容量使用，以允许对文档的文本内容进行编辑。

    有两种机制：字体中的/Encoding条目（将字符代码映射到Adobe Glyph List条目，如/bullet），以及更现代的机制，/ToUnicode条目提供由定义的语言的程序 Adobe将字符代码直接映射到Unicode实体。以下是/ToUnicode程序的示例：

    1. 23 0 obj
    2. << /Length 317 >>
    3. stream
    4. /CIDInit /ProcSet findresource begin 12 dict begin begincmap /CIDSystemInfo << 
    5. /Registry (Symbol+0) /Ordering (T1UV) /Supplement 0 >> def
    6. /CMapName /Symbol+0 def
    7. 1 begincodespacerange <01> <01> endcodespacerange
    8. 1 beginbfrange
    9. <01> <01> <2022> Maps character code 1 to Unicode U+2022, the bullet point
    10. endbfrange
    11. endcmap CMapName currentdict /CMap defineresource pop end end
    12. endstream

    提取文本的另一个困难是重构内容流中的文本运算符。操作符可以将文本拆分为字距调整或对齐，并且行末的连字符可以中断字符流。实际上，文本操作符甚至可能出现故障。 但是，通常情况下，可以从大多数现代文件中产生良好的文本重构。

    Resources

    除PDF标准外，还有许多其他文档提供了有关本章讨论主题的更多详细信息：

    • Unicode由Unicode Consortium出版的Unicode标准5.0版完整描述。一个更容易理解的介绍是O’Reilly自己的由Jukka K. Korpela。
    • Yannis Haralambous（O’Reilly）的《字体和编码》解释了PDF使用的各种字体格式。

     |上一章：图形|