PDFBox扁平化AcroForm后文本复制粘贴异常问题咨询

1. 扁平化表单后复制文本异常的原因 #

当表单未扁平化时，你的PDTextField是交互式表单字段，PDF会保留字段的Unicode文本内容，同时你使用的Type0字体自带的ToUnicode CMap（字符编码映射表）能正确将PDF内部的字形ID（GID）映射到Unicode字符，所以复制粘贴完全正常。

而执行acroForm.flatten()时，PDFBox会把交互式表单字段转换为普通的页面静态内容——相当于把字段的文本直接“画”在页面上。但PDFBox 2.0.4版本对Type0字体的处理存在局限：它没有自动为扁平化后的静态文本生成或保留ToUnicode CMap。这就导致PDF阅读器只能通过字形ID来猜测对应的字符，没有正确的映射关系支撑，最终复制出来的就是无意义的乱码（比如你看到的7EQTPIJMIPH）。

2. 解决方法：无需手动创建ToUnicode CMap #

你不需要完全手动编写ToUnicode CMap，通过调整PDFBox的字体加载和扁平化逻辑就能解决问题。核心是确保扁平化后的文本使用的字体包含正确的ToUnicode映射，或者让PDFBox在扁平化过程中自动生成该映射。

修改后的代码示例 #

PDDocument document = new PDDocument();
PDPage page = new PDPage(PDRectangle.A4);
document.addPage(page);
PDAcroForm acroForm = new PDAcroForm(document);
document.getDocumentCatalog().setAcroForm(acroForm);
String dir = "../testPdfBox/src/main/resources/fonts/";

// 关键：加载字体时显式指定嵌入子集，确保字体包含用到的字形及对应映射
PDType0Font font = PDType0Font.load(document, new File(dir + "Roboto-Regular.ttf"), true);
PDResources resources = new PDResources();
String fontName = resources.add(font).getName();
acroForm.setDefaultResources(resources);
String defaultAppearanceString = String.format("/%s 12 Tf 0 g", fontName);
acroForm.setDefaultAppearance(defaultAppearanceString);

PDTextField field = new PDTextField(acroForm);
field.setPartialName("SampleField");
field.setDefaultAppearance(defaultAppearanceString);
acroForm.getFields().add(field);

PDAnnotationWidget widget = field.getWidgets().get(0);
PDRectangle rect = new PDRectangle(50, 750, 200, 50);
widget.setRectangle(rect);
widget.setPage(page);
widget.setPrinted(true);
page.getAnnotations().add(widget);

field.setValue("Sample field 123456");

// 关键：刷新字段外观，让PDFBox提前生成带正确映射的静态内容
field.refreshAppearance();

acroForm.flatten();
document.save("target/SimpleForm.pdf");
document.close();

优化说明 #

• 刷新字段外观：调用field.refreshAppearance()会让PDFBox重新生成字段的静态外观，这个过程中会确保字体的映射信息被正确关联到外观内容上，扁平化时就能保留ToUnicode映射。
• 字体嵌入子集：加载字体时指定true（嵌入子集），会只嵌入文档中用到的字形，同时确保每个字形的ToUnicode映射被包含在字体资源里，从根源避免映射丢失。

如果上述方法仍有问题，建议你升级PDFBox到2.0.27及以上版本——后续版本对扁平化时的字体映射处理做了针对性优化，能更好地规避这类乱码问题。

内容的提问来源于stack exchange，提问作者Ketty K.