使用Apache PDFBox 3.0.2提取并保留字体/坐标时特定中文字符出现错位

我太懂你这种头疼的情况了——用PDFBox 3.0.2提取文本复刻到新PDF时，大部分内容都精准对位，偏生像“一年级”这类中文字符突然偏移个二三十单位，临时换本地Simhei字体虽然能解决眼前问题，但总担心换个PDF又出幺蛾子，得找到根儿上的解决办法才行。

先聊聊为啥会出现这个错位问题 #

从你贴的代码和打印的TextPosition信息来看，主要踩了这几个坑：

1. 原字体复用逻辑有问题：原PDF里的中文字体大概率是Type0/CID字体，这类字体和文档资源绑定，你直接把原文档的字体对象加到backupFonts里，新文档其实没法正确识别和使用它，导致 fallback到替换字体时没继承原有的变换矩阵，位置直接跑偏。
2. 文本矩阵计算画蛇添足：你自己手动计算旋转角度、重构变换矩阵的逻辑，对中文字体的字体矩阵（通常是极小的缩放系数）处理有误，反而把原本正确的坐标给算错了。
3. 字体替换时丢了位置参数：catch块里替换字体的代码只设置了字体和字号，没复用原文本的TextMatrix，相当于用默认位置输出文本，可不就偏移了嘛。

给你几个针对性的解决步骤，从根儿上搞定它 #

1. 正确复用原PDF的字体资源，别自己瞎维护备份

原页面的字体是和页面资源绑定的，不能直接把原文档的字体对象拿到新文档用，得把字体资源复制到目标页面的资源里：

// 在处理每个页面时，复制原页面的字体资源到目标页面
PDResources sourceResources = sourcePage.getResources();
PDResources targetResources = targetPage.getResources();
for (COSName fontName : sourceResources.getFontNames()) {
    PDFont sourceFont = sourceResources.getFont(fontName);
    // 把原字体添加到目标页面的资源中，让新文档能正常访问
    targetResources.put(fontName, sourceFont);
}

这样你在设置contentStream.setFont的时候，就能直接用原字体，从源头上避免字体替换导致的坐标问题。

2. 删掉多余的矩阵计算，直接用TextPosition给的现成参数

TextPosition已经帮你算好了正确的文本矩阵和坐标，完全没必要自己手动算角度、拼矩阵。直接用现成的就行：

// 直接复用原文本的TextMatrix，位置、缩放、旋转全是对的
contentStream.setFont(position.getFont(), position.getFontSizeInPt());
contentStream.setTextMatrix(position.getTextMatrix());
contentStream.showText(position.getUnicode());

你之前的代码里手动concatenate字体矩阵、算角度，反而把中文字体的特殊矩阵给算错了，删掉这部分逻辑就好。

3. 字体替换时必须复用原文本的所有位置参数

真遇到原字体用不了的情况，替换字体时一定要把原文本的TextMatrix带上，不能只设置字体就输出：

catch (Exception e) {
    System.out.println("原字体用不了，尝试备用字体: " + e.getMessage());
    PDFont fft = getAvaliableFont(position.getUnicode(), backupFonts);
    if (fft != null) {
        // 核心：必须带上原文本的TextMatrix，确保位置和原文本完全一致
        contentStream.setTextMatrix(position.getTextMatrix());
        contentStream.setFont(fft, position.getFontSizeInPt());
        contentStream.showText(position.getUnicode());
    }
}

这样就算换了字体，文本的位置也和原文档丝毫不差。

4. 提前排查原PDF的字体情况

如果还是有问题，用PDFBox自带的PDFDebugger打开原PDF，看看“一年级”用的是什么字体——是不是嵌入的子集字体？编码是不是GB2312/UTF-16？搞清楚原字体的类型，能更精准地调整逻辑。

修正后的核心代码片段 #

给你整理了copyText2方法的修正版，直接用就行：

public static void copyText2(Set<PDFont> backupFonts, PDDocument source, int sourcePageNumber, PDDocument target, PDPage targetPage) throws IOException {
    List<TextPosition> allTextPositions = new ArrayList<>();
    PDFTextStripper pdfTextStripper = new PDFTextStripper() {
        @Override
        protected void writeString(String text, List<TextPosition> textPositions) throws IOException {
            allTextPositions.addAll(textPositions);
            super.writeString(text, textPositions);
        }
    };
    pdfTextStripper.setStartPage(sourcePageNumber + 1);
    pdfTextStripper.setEndPage(sourcePageNumber + 1);
    pdfTextStripper.setSortByPosition(true);
    pdfTextStripper.getText(source);

    PDPage sourcePage = source.getPage(sourcePageNumber);
    PDResources sourceResources = sourcePage.getResources();
    PDResources targetResources = targetPage.getResources();

    // 复制原页面所有字体到目标页面资源
    for (COSName fontName : sourceResources.getFontNames()) {
        PDFont sourceFont = sourceResources.getFont(fontName);
        targetResources.put(fontName, sourceFont);
    }
    // 添加备用字体到目标页面资源
    for (PDFont backupFont : backupFonts) {
        COSName backupFontName = COSName.getPDFName("BackupFont_" + backupFont.getName());
        targetResources.put(backupFontName, backupFont);
    }

    PDPageContentStream contentStream = new PDPageContentStream(target, targetPage, PDPageContentStream.AppendMode.APPEND, true, true);
    contentStream.beginText();

    for (TextPosition position : allTextPositions) {
        try {
            // 直接用原字体和原文本矩阵，精准对位
            contentStream.setFont(position.getFont(), position.getFontSizeInPt());
            contentStream.setTextMatrix(position.getTextMatrix());
            contentStream.showText(position.getUnicode());
        } catch (Exception e) {
            System.out.println("无法使用原字体，尝试备用字体: " + e.getMessage());
            PDFont fft = getAvaliableFont(position.getUnicode(), backupFonts);
            if (fft != null) {
                // 替换字体时严格复用原文本的位置参数
                contentStream.setTextMatrix(position.getTextMatrix());
                contentStream.setFont(fft, position.getFontSizeInPt());
                contentStream.showText(position.getUnicode());
            }
        }
    }
    contentStream.endText();
    contentStream.close();
}

最后再啰嗦两句 #

这样修改后，不管是原字体还是替换字体，都能保证文本位置和原文档完全一致。另外，处理中文字体时一定要记住：字体资源和文档/页面绑定，不能跨文档直接复用对象；TextPosition已经给了所有正确的位置参数，别自己瞎折腾计算。

备注：内容来源于stack exchange，提问作者huanmierusi