使用Pdfbox的renderImage转换PDF时部分文本缺失问题求助

核心问题分析 #

日志中的No Unicode mapping for CID+XX in font CJAOPE+Arial警告是直接诱因：PDF中的CID嵌入字体（CJAOPE+Arial、CJBBIL+Calibri）缺少Unicode字符映射表，导致PDFRenderer无法解析对应字符，最终出现文本缺失；另外不可选中的粗体文本可能是通过特殊编码或隐藏层存储，渲染器未正确识别。

具体解决步骤 #

1. 强制替换缺失映射的嵌入字体 #

利用PDFBox的字体映射机制，手动指定本地系统中的Arial/Calibri字体替代PDF里的异常嵌入字体：

// 自定义字体映射器
class CustomFontMapper extends DefaultFontMapper {
    @Override
    public FontInfo getFontInfo(String baseFontName) {
        // 匹配PDF中的异常字体名
        if (baseFontName.startsWith("CJAOPE+Arial") || baseFontName.startsWith("CJBBIL+Calibri")) {
            // 替换为本地对应字体路径，Windows系统示例路径
            String fontPath = "C:/Windows/Fonts/arialbd.ttf"; // Arial粗体
            if (baseFontName.contains("Calibri")) {
                fontPath = "C:/Windows/Fonts/calibrib.ttf"; // Calibri粗体
            }
            try {
                return new FontInfo(new File(fontPath), baseFontName);
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return super.getFontInfo(baseFontName);
    }
}

// 使用自定义映射器初始化PDFRenderer
PDDocument document = PDDocument.load(new File("target.pdf"));
PDFRenderer renderer = new PDFRenderer(document);
renderer.setFontMapper(new CustomFontMapper());
BufferedImage bim = renderer.renderImage(page, 300); // 300DPI渲染

2. 检查并解除PDF权限限制 #

确认PDF是否存在渲染/打印权限限制，若有则解除（需确保操作合法）：

PDDocument document = PDDocument.load(new File("target.pdf"));
AccessPermission permissions = document.getCurrentAccessPermission();
if (!permissions.canPrint()) {
    // 解除权限限制
    permissions.setCanPrint(true);
    permissions.setCanPrintDegraded(true);
    document.save("unlocked_target.pdf");
    document.close();
    // 用解锁后的PDF重新渲染
    document = PDDocument.load(new File("unlocked_target.pdf"));
}

3. 调整渲染参数优化字符识别 #

• 提高渲染DPI：默认DPI可能导致细/粗体字符渲染丢失，设置为300或更高；
• 启用文本抗锯齿：添加渲染提示优化文本渲染效果：

RenderingHints hints = new RenderingHints(RenderingHints.KEY_TEXT_ANTIALIASING, RenderingHints.VALUE_TEXT_ANTIALIAS_ON);
BufferedImage bim = renderer.renderImageWithDPI(page, 300, ImageType.RGB, hints);

4. 修复PDF字体编码异常 #

使用PDFBox工具修复字体映射缺失问题：

PDDocument document = PDDocument.load(new File("target.pdf"));
for (PDPage page : document.getPages()) {
    PDResources resources = page.getResources();
    for (COSName fontName : resources.getFontNames()) {
        PDFont font = resources.getFont(fontName);
        if (font instanceof PDType0Font) {
            PDType0Font type0Font = (PDType0Font) font;
            // 尝试重新加载字体映射，或替换为标准字体
            if (type0Font.getBaseFont().startsWith("CJAOPE+") || type0Font.getBaseFont().startsWith("CJBBIL+")) {
                // 替换为系统字体
                PDFont newFont = PDType0Font.load(document, new File("C:/Windows/Fonts/arialbd.ttf"));
                resources.put(fontName, newFont);
            }
        }
    }
}
document.save("fixed_target.pdf");
document.close();

内容的提问来源于stack exchange，提问作者Pontifx101