PDFBox 3.0.0使用PDType0Font打印印度文字符未正确合成问题

问题描述 #

使用PDFBox加载Lohit-Devanagari字体（PDType0Font）生成PDF时，印地语（天城文）文本仅显示为单个独立字符，未渲染出字体应有的合体、连写等复杂字形组合。

代码问题分析 #

你的代码中存在关键逻辑错误：将PDType0Font.encode()生成的CID编码字节转换回Unicode字符串，再调用showText(String)输出。这会导致文本被重新编码，破坏了天城文这类复杂脚本字体依赖的上下文排版规则——Lohit-Devanagari需要字体引擎处理字符的合体映射，手动拆分转换CID码会丢失这些信息，最终显示为单个字符。

原代码中的错误片段：

var codes=hin.encode(sample);
var strLine=new StringBuilder();
for(var code:codes){
    if(code!=0){
        strLine.append(hin.toUnicode(code));
    }
}
// ...
stream.showText(strLine.toString());

修正后的完整代码 #

var sample = "प्रदेश ग्रामीण व्यवसायिक";
try (var document = new PDDocument()) {
    // 加载Lohit-Devanagari字体作为PDType0Font
    var hin = PDType0Font.load(document, new File(Example.class.getResource("hindi.ttf").getFile()));
    var page = new PDPage(PDRectangle.A4);
    document.addPage(page);
    
    try (var stream = new PDPageContentStream(document, page)) {
        stream.setFont(hin, 10);
        stream.beginText();
        stream.newLineAtOffset(30, 50);
        // 直接使用编码后的字节数组显示文本，无需转换回Unicode
        stream.showText(hin.encode(sample));
        stream.endText();
    }
    
    document.save("output.pdf");
} catch (IOException ex) {
    System.out.println(ex);
}

关键改动说明 #

• 移除了将CID编码字节转换为Unicode字符串的冗余步骤，直接传递PDType0Font.encode()生成的字节数组给showText(byte[])方法。
• PDType0Font.encode()已经为复杂脚本字体处理了完整的字形映射（包括合体字的CID匹配），直接使用该字节数组能让PDF正确触发字体的排版规则，渲染出天城文的复杂字符组合。

PDF详情验证 #

修正后生成的PDF字体信息应为：

Lohit-Devanagari (Embedded subset)
Type: TrueType (CID)
Encoding: Identity-H

该配置符合CID字体的正确使用规范，能支持复杂脚本的排版需求。

内容的提问来源于stack exchange，提问作者JavaUser