使用PDFBox 3.0.0转换PDF为图片时中文显示不全问题求助

问题描述 #

使用以下Java代码将PDF转换为图片时，出现中文显示不全的情况：

public void pdf2img() throws IOException {
        String url = "xxxx";
        byte[] pdfByteArray = downloadFile(url);
        PDDocument document = Loader.loadPDF(pdfByteArray);
        PDFRenderer pdfRenderer = new PDFRenderer(document);
        int totalPage = document.getNumberOfPages();
        BufferedImage[] bufferedImages = new BufferedImage[totalPage];
        for (int i = 0; i < totalPage; i++) {
            BufferedImage image = pdfRenderer.renderImageWithDPI(i, 180, ImageType.RGB);
            image.flush();
            bufferedImages[i] = image;
        }

        merge(bufferedImages);
}

输入PDF中的中文内容在输出图片中存在部分缺失的情况。

成因分析 #

• 核心原因大概率是字体缺失：PDF里的中文依赖特定中文字体（如宋体、黑体等），如果运行代码的系统没安装对应字体，PDFBox渲染时找不到匹配字体，就会出现字符缺失、乱码或显示不全。
• 少数情况是PDF嵌入了子集字体，若子集字体包含的字符不全，也会导致部分中文无法渲染，但这种情况较少见，优先排查系统字体缺失问题。

PDFBox 3.0.0字体设置方法 #

PDFBox 3.0.0通过FontProvider配置字体，具体操作如下：

1. 加载本地中文字体文件并添加到字体提供者：

// 示例：加载本地宋体文件
PDType0Font font = PDType0Font.load(document, new File("simsun.ttf"));
DefaultFontProvider fontProvider = new DefaultFontProvider();
fontProvider.addFont(font);

2. 初始化PDFRenderer时传入配置好的字体提供者：

PDFRenderer pdfRenderer = new PDFRenderer(document, new RenderingHints(null), fontProvider, null);

3. 也可设置系统字体路径，让PDFBox自动识别系统中的中文字体：

// Windows系统示例：指向系统字体目录
System.setProperty("sun.awt.font.path", "C:\\Windows\\Fonts");
// Linux系统示例
// System.setProperty("sun.awt.font.path", "/usr/share/fonts");

额外建议 #

• 确保运行环境安装常用中文字体（宋体、黑体、微软雅黑等）；
• 若无法安装系统字体，可将字体文件打包到项目中，通过代码加载使用；
• 渲染时可适当调整DPI参数，避免分辨率问题导致的显示异常。

内容的提问来源于stack exchange，提问作者邵程立