PDF流异常编码解析求助：LibreOffice生成文件的非预期编码疑问

1. 字体子集化与自定义编码 #

LibreOffice导出PDF时，会对嵌入的字体做子集化处理：只嵌入文档中实际用到的字形，同时为这些字形分配自定义的短编码（比如<01>对应'H'，<02>对应'e'），而非直接使用ASCII/Unicode值。这样做是为了尽可能缩小PDF文件体积，这也是你看到<01>这类奇怪编码的核心原因——它们不是字符的原始编码，而是字体子集里的字形映射代码。

2. TJ操作符的用途 #

你看到的[<01>5<02>-6<03>2<03>2<040506>-2 <040703>2<08>]TJ是PDF的文本数组操作符，和(Hello world) Tj的区别在于：

• Tj用于直接显示单个完整字符串，不做精细间距调整
• TJ支持在字符串片段之间插入间距调整值（比如5、-6这些整数，单位是千分之一的文本空间宽度），LibreOffice用它来优化字符间的排版间距，让文本显示更美观。

3. 如何映射编码到实际字符 #

要确认这些编码对应的字符，你需要在解压后的PDF中找到该文本使用的字体字典：

• 先从内容流里找到字体引用，比如类似/F1 12 Tf的行（F1是字体名称）
• 搜索/F1对应的字体字典，查看其中的Encoding字段或ToUnicode表，里面会明确列出<01>、<02>这类编码对应的实际字符（比如<01> /H）。

内容的提问来源于stack exchange，提问作者Teo7