如何用PDFBox 2.x嵌入Helvetica字体且不修改PDF文本内容？

当然可行！不过你之前的代码存在编码不匹配的问题，这就是替换后内容空白的核心原因。咱们一步步拆解问题，然后给出正确的解决方案。

问题根源 #

你的PDF原本使用的是未嵌入的Type1格式Helvetica，它采用的是StandardEncoding编码。但你替换成了CID TrueType格式的Helvetica（通过PDType0Font加载），这种字体用的是Unicode/CID编码体系——两者的字符映射规则完全不同，直接替换后，原文本的字节在新字体里找不到对应字符，自然就显示空白了。

另外，你最初的代码只是把新字体添加到资源中，没有替换掉原有的Helvetica引用，这也会导致字体并没有真正被使用。

解决方案 #

推荐两种方案，优先选第一种，因为它更简单且不会引入编码问题：

方案1：用Type1格式Helvetica替换（最稳妥）

直接用同格式的Type1 Helvetica字体文件（通常是.pfb或.pfa后缀）来替换原字体，编码完全匹配，不需要修改文本内容：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.font.PDType1Font;
import org.apache.pdfbox.cos.COSName;

import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;

public class EmbedHelveticaType1 {
    public static void main(String[] args) throws Exception {
        // 加载目标PDF
        PDDocument document = PDDocument.load(new File("your-input.pdf"));
        
        // 加载Type1格式的Helvetica字体文件（替换成你的文件路径）
        InputStream fontStream = new FileInputStream(new File("/path/to/Helvetica.pfb"));
        PDType1Font embeddedHelvetica = PDType1Font.load(document, fontStream);

        // 遍历所有页面，替换Helvetica字体引用
        for (PDPage page : document.getPages()) {
            PDResources resources = page.getResources();
            for (COSName fontName : resources.getFontNames()) {
                PDFont existingFont = resources.getFont(fontName);
                // 匹配原字体名称
                if ("Helvetica".equals(existingFont.getName())) {
                    resources.put(fontName, embeddedHelvetica);
                }
            }
        }

        // 保存嵌入后的PDF
        document.save("output-embedded.pdf");
        document.close();
        fontStream.close();
    }
}

方案2：用TrueType Helvetica替换（需处理编码转换）

如果你只有TrueType格式的Helvetica（.ttf），就必须手动把原文本的StandardEncoding编码转换成Unicode，再适配新字体的编码。这个过程需要解析页面内容流，修改文本字节：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.font.*;
import org.apache.pdfbox.cos.COSName;
import org.apache.pdfbox.cos.COSString;
import org.apache.pdfbox.pdfparser.PDFStreamParser;
import org.apache.pdfbox.pdmodel.common.PDStream;
import org.apache.pdfbox.contentstream.ContentStreamWriter;

import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.List;

public class EmbedHelveticaTTF {
    public static void main(String[] args) throws Exception {
        PDDocument document = PDDocument.load(new File("your-input.pdf"));
        
        // 加载TrueType Helvetica字体，设置为嵌入
        InputStream fontStream = new FileInputStream(new File("/path/to/Helvetica.ttf"));
        PDType0Font embeddedHelvetica = PDType0Font.load(document, fontStream, true);

        // 初始化StandardEncoding映射，用于转换原文本编码
        StandardEncoding standardEncoding = new StandardEncoding();

        for (PDPage page : document.getPages()) {
            PDResources resources = page.getResources();
            // 先替换资源中的Helvetica引用
            for (COSName fontName : resources.getFontNames()) {
                PDFont existingFont = resources.getFont(fontName);
                if ("Helvetica".equals(existingFont.getName())) {
                    resources.put(fontName, embeddedHelvetica);
                }
            }

            // 解析并修改页面内容流的文本编码
            PDStream contentStream = page.getContents();
            if (contentStream != null) {
                try (InputStream is = contentStream.createInputStream()) {
                    PDFStreamParser parser = new PDFStreamParser(is);
                    parser.parse();
                    List<Object> tokens = parser.getTokens();

                    for (int i = 0; i < tokens.size(); i++) {
                        Object token = tokens.get(i);
                        if (token instanceof COSString) {
                            COSString cosString = (COSString) token;
                            byte[] originalBytes = cosString.getBytes();
                            // 将StandardEncoding字节转换为Unicode字符串
                            StringBuilder unicodeText = new StringBuilder();
                            for (byte b : originalBytes) {
                                int code = b & 0xFF;
                                unicodeText.append(standardEncoding.getChar(code));
                            }
                            // 将Unicode字符串转换为新字体支持的编码字节
                            byte[] newBytes = embeddedHelvetica.encode(unicodeText.toString());
                            cosString.setValue(newBytes);
                        }
                    }

                    // 更新页面内容流
                    PDStream newContentStream = new PDStream(document);
                    try (OutputStream os = newContentStream.createOutputStream(COSName.FLATE_DECODE)) {
                        ContentStreamWriter writer = new ContentStreamWriter(os);
                        writer.writeTokens(tokens);
                    }
                    page.setContents(newContentStream);
                }
            }
        }

        document.save("output-embedded-ttf.pdf");
        document.close();
        fontStream.close();
    }
}

注意事项 #

• 请确保你使用的Helvetica字体是合法授权的，避免版权纠纷。
• 方案1的Type1字体替换几乎不会出问题，因为和原字体格式、编码完全一致，是优先选择的方案。
• 如果用方案2，要注意StandardEncoding的映射覆盖范围，某些特殊字符可能需要额外处理。

内容的提问来源于stack exchange，提问作者jeffest