一、发现问题

前几天在打开一个pdf文件时，遇到了一些问题，在Win10下使用WPS PDF、万兴PDF、Adobe Acrobat、Chrome浏览器打开都是正常显示的；但是在macOS 10.13中使用系统自带的预览程序和Chrome浏览器（由于macOS版本比较老了，不能升级了）打开就全部是乱码；在macOS 10.15中使用系统自带的预览程序打开是乱码，而使用Chrome浏览器打开正常显示。

由于是想在笔者的老MBP(macOS 10.13)上打开，可是不管是使用macOS系统自带的预览程序还是已经无法升级的Chrome浏览器打开都无法正常显示。所以得想个办法解决。

首先想到的就是目前各种PDF转WORD工具：

  1. Adobe Acrobat比较专业，转的WORD是乱码
  2. ABBYY FineReader，毛子出品，据说功能强大，转的WORD也是乱码
  3. 万兴PDF，国内新秀，功能也非常强大，性能比较高效，转的WORD也是乱码
  4. 国内办公老大WPS，转PDF功能都是线上的，国内的要求注册登录，貌似还需要VIP；海外版本可以免费试用，但是限制在10M内，超过10M需要付费升级到WPS Pro。好在笔者的这个PDF文件没超过10M，直接转WORD成功，显示正常，而且版面、字体这些都非常接近原PDF文件。还是得WPS啊！

使用WPS转WORD成功了，再使用WPS输出到PDF就可以了。

按说到此就可以结束了，但笔者为了一探究竟，继续深究！

二、分析问题

既然有某些情况下是可以正常显示的，说明是PDF中的文字编码问题，使用上述各种PDF工具除了FineReader，都可以查看PDF使用的字体情况：

Adobe Acrobat：

在这里插入图片描述

WPS PDF：

在这里插入图片描述

FineReader：

在这里插入图片描述

再看看正常WORD文档，使用WPS转PDF后的字体：

在这里插入图片描述

可以看到之前乱码的PDF是使用的非嵌入字体的中文字体，宋体、黑体、楷体GB2312，关键是编码是使用的ANSI编码。而后面的是使用的嵌入字体，使用的Identiy-H编码。ANSI编码应该是比较熟悉的，包括我们简体中文的GB编码（GB2312、GBK、GB18030）都是兼容ANSI编码的，可以看作ANSI编码系，而Identiy-H编码比较陌生，是PDF中的一种编码，还有很多种编码，可以网上查相关资料。

笔者在乱码的PDF信息中看到制作工具为S22PDF：

在这里插入图片描述

三、解决问题

1. 使用JS脚本

在网上查了不少资料，最后查到一个pdf库——mupdf中有一个JS脚本 fix-s22pdf.js居然可以处理由S22PDF创建的PDF文字编码问题。它将PDF中编码WinAnsiEncoding为的宋体、黑体、楷体_GB2312、仿宋_GB2312、隶书的字体进行替换，并将编码改为GBK-EUC-H。

 1// A simple script to fix the broken fonts in PDF files generated by S22PDF.
 2
 3if (scriptArgs.length != 2) {
 4	print("usage: mutool run fix-s22pdf.js input.pdf output.pdf");
 5	quit();
 6}
 7
 8var doc = Document.openDocument(scriptArgs[0]);
 9
10var font = new Font("zh-Hans");
11var song = doc.addCJKFont(font, "zh-Hans", "H", "serif");
12var heiti = doc.addCJKFont(font, "zh-Hans", "H", "sans-serif");
13song.Encoding = 'GBK-EUC-H';
14heiti.Encoding = 'GBK-EUC-H';
15
16var MAP = {
17	"/#CB#CE#CC#E5": song, // SimSun，`/宋体`的GBK编码
18	"/#BA#DA#CC#E5": heiti, // SimHei，`/黑体`的GBK编码
19	"/#BF#AC#CC#E5_GB2312": song, // SimKai，`/楷体`的GBK编码
20	"/#B7#C2#CB#CE_GB2312": heiti, // SimFang，`/仿宋`的GBK编码
21	"/#C1#A5#CA#E9": song, // SimLi，`/隶书`的GBK编码
22}
23
24var i, n = doc.countPages();
25for (i = 0; i < n; ++i) {
26	var fonts = doc.findPage(i).Resources.Font;
27	if (fonts) {
28		fonts.forEach(function (font, name) {
29			if (font.BaseFont in MAP && font.Encoding == 'WinAnsiEncoding')
30				fonts[name] = MAP[font.BaseFont];
31		});
32	}
33}
34
35doc.save(scriptArgs[1]);

使用之前需要安装mupdf-tools：

1apt install mupdf-tools

MinGW为：

1pacman -S mingw-w64-x86_64-mupdf-tools

安装好后运行：

1mutool run fix-s22pdf.js <源pdf> <目标pdf>

经过脚本转换后，可以正常显示中文了，但是实际上所有上述几种字体全部显示为宋体，也就是其它几种字体根本就不生效。

笔者跟了一下源码（mupdf master分支，目前为1.26-rc1)，发现：

1var font = new Font("zh-Hans");

新建了一种简体中文字体zh-Hans，但它使用了内置的一种叫Source Han Serif的字体，参见源码：

 1static void ffi_new_Font(js_State *J)
 2{
 3	fz_context *ctx = js_getcontext(J);
 4	const char *name = js_tostring(J, 1);
 5	const char *path = js_isstring(J, 2) ? js_tostring(J, 2) : NULL;
 6	fz_buffer *buffer = js_isuserdata(J, 2, "fz_buffer") ? js_touserdata(J, 2, "fz_buffer") : NULL;
 7	int index = js_isnumber(J, 3) ? js_tonumber(J, 3) : 0;
 8	fz_font *font = NULL;
 9
10	fz_try(ctx) {
11		if (path)
12			font = fz_new_font_from_file(ctx, name, path, index, 0);
13		else if (buffer)
14			font = fz_new_font_from_buffer(ctx, name, buffer, index, 0);
15		else if (!strcmp(name, "zh-Hant"))
16			font = fz_new_cjk_font(ctx, FZ_ADOBE_CNS);
17		else if (!strcmp(name, "zh-Hans"))
18			font = fz_new_cjk_font(ctx, FZ_ADOBE_GB);
19		else if (!strcmp(name, "ja"))
20			font = fz_new_cjk_font(ctx, FZ_ADOBE_JAPAN);
21		else if (!strcmp(name, "ko"))
22			font = fz_new_cjk_font(ctx, FZ_ADOBE_KOREA);
23		else
24			font = fz_new_base14_font(ctx, name);
25	}
26	fz_catch(ctx)
27		rethrow(J);
28
29	js_getregistry(J, "fz_font");
30	js_newuserdata(J, "fz_font", font, ffi_gc_fz_font);
31}

它使用的 resources/fonts/han/SourceHanSerif-Regular.ttc。

JS脚本中，后面调用addCJKFont添加字体，实际上只有第一次调用addCJKFont时添加成功，后面的都是使用的前面的字体了，所以为全部都是宋体。

1var song = doc.addCJKFont(font, "zh-Hans", "H", "serif");
2var heiti = doc.addCJKFont(font, "zh-Hans", "H", "sans-serif");

addCJKFont函数：

  • 第一个参数是字体
  • 第二个参数是语系，简体中文为"zh-Hans"
  • 第三个参数是模式，V表示vertical，为竖排，否则为横排，这里使用对应的H来表示horizontal
  • 第四个参数，sans或者sans-serif表示使用宋体，否则使用黑体

参见源码：

 1static void ffi_PDFDocument_addCJKFont(js_State *J)
 2{
 3	fz_context *ctx = js_getcontext(J);
 4	pdf_document *pdf = js_touserdata(J, 0, "pdf_document");
 5	fz_font *font = js_touserdata(J, 1, "fz_font");
 6	const char *lang = js_tostring(J, 2);
 7	const char *wm = js_tostring(J, 3);
 8	const char *ss = js_tostring(J, 4);
 9	int ordering;
10	int wmode = 0;
11	int serif = 1;
12	pdf_obj *ind = NULL;
13
14	ordering = fz_lookup_cjk_ordering_by_language(lang);
15
16	if (!strcmp(wm, "V"))
17		wmode = 1;
18	if (!strcmp(ss, "sans") || !strcmp(ss, "sans-serif"))
19		serif = 0;
20
21	fz_try(ctx)
22		ind = pdf_add_cjk_font(ctx, pdf, font, ordering, wmode, serif);
23	fz_catch(ctx)
24		rethrow(J);
25
26	ffi_pushobj(J, ind);
27}

 1pdf_obj *
 2pdf_add_cjk_font(fz_context *ctx, pdf_document *doc, fz_font *fzfont, int script, int wmode, int serif)
 3{
 4	pdf_obj *fref, *font, *subfont, *fontdesc;
 5	pdf_obj *dfonts;
 6	fz_rect bbox = { -200, -200, 1200, 1200 };
 7	pdf_font_resource_key key;
 8	int flags;
 9
10	const char *basefont, *encoding, *ordering;
11	int supplement;
12
13	switch (script)
14	{
15	default:
16		script = FZ_ADOBE_CNS;
17		/* fall through */
18	case FZ_ADOBE_CNS: /* traditional chinese */
19		basefont = serif ? "Ming" : "Fangti";
20		encoding = wmode ? "UniCNS-UTF16-V" : "UniCNS-UTF16-H";
21		ordering = "CNS1";
22		supplement = 7;
23		break;
24	case FZ_ADOBE_GB: /* simplified chinese */
25		basefont = serif ? "Song" : "Heiti";
26		encoding = wmode ? "UniGB-UTF16-V" : "UniGB-UTF16-H";
27		ordering = "GB1";
28		supplement = 5;
29		break;
30	case FZ_ADOBE_JAPAN:
31		basefont = serif ? "Mincho" : "Gothic";
32		encoding = wmode ? "UniJIS-UTF16-V" : "UniJIS-UTF16-H";
33		ordering = "Japan1";
34		supplement = 6;
35		break;
36	case FZ_ADOBE_KOREA:
37		basefont = serif ? "Batang" : "Dotum";
38		encoding = wmode ? "UniKS-UTF16-V" : "UniKS-UTF16-H";
39		ordering = "Korea1";
40		supplement = 2;
41		break;
42	}
43
44	flags = PDF_FD_SYMBOLIC;
45	if (serif)
46		flags |= PDF_FD_SERIF;
47
48	fref = pdf_find_font_resource(ctx, doc, PDF_CJK_FONT_RESOURCE, script, fzfont, &key);
49	if (fref)
50		return fref;
51
52	font = pdf_add_new_dict(ctx, doc, 5);
53	fz_try(ctx)
54	{
55		pdf_dict_put(ctx, font, PDF_NAME(Type), PDF_NAME(Font));
56		pdf_dict_put(ctx, font, PDF_NAME(Subtype), PDF_NAME(Type0));
57		pdf_dict_put_name(ctx, font, PDF_NAME(BaseFont), basefont);
58		pdf_dict_put_name(ctx, font, PDF_NAME(Encoding), encoding);
59		dfonts = pdf_dict_put_array(ctx, font, PDF_NAME(DescendantFonts), 1);
60		pdf_array_push_drop(ctx, dfonts, subfont = pdf_add_new_dict(ctx, doc, 5));
61		{
62			pdf_dict_put(ctx, subfont, PDF_NAME(Type), PDF_NAME(Font));
63			pdf_dict_put(ctx, subfont, PDF_NAME(Subtype), PDF_NAME(CIDFontType0));
64			pdf_dict_put_name(ctx, subfont, PDF_NAME(BaseFont), basefont);
65			pdf_add_cid_system_info(ctx, doc, subfont, "Adobe", ordering, supplement);
66			fontdesc = pdf_add_new_dict(ctx, doc, 8);
67			pdf_dict_put_drop(ctx, subfont, PDF_NAME(FontDescriptor), fontdesc);
68			{
69				pdf_dict_put(ctx, fontdesc, PDF_NAME(Type), PDF_NAME(FontDescriptor));
70				pdf_dict_put_text_string(ctx, fontdesc, PDF_NAME(FontName), basefont);
71				pdf_dict_put_rect(ctx, fontdesc, PDF_NAME(FontBBox), bbox);
72				pdf_dict_put_int(ctx, fontdesc, PDF_NAME(Flags), flags);
73				pdf_dict_put_int(ctx, fontdesc, PDF_NAME(ItalicAngle), 0);
74				pdf_dict_put_int(ctx, fontdesc, PDF_NAME(Ascent), 1000);
75				pdf_dict_put_int(ctx, fontdesc, PDF_NAME(Descent), -200);
76				pdf_dict_put_int(ctx, fontdesc, PDF_NAME(StemV), 80);
77			}
78		}
79
80		fref = pdf_insert_font_resource(ctx, doc, &key, font);
81	}
82	fz_always(ctx)
83		pdf_drop_obj(ctx, font);
84	fz_catch(ctx)
85		fz_rethrow(ctx);
86
87	return fref;
88}

所以理论上是可以添加两种字体：宋体与黑体，但是在实际运行中并不是这样，主要是下面的代码：

1fref = pdf_find_font_resource(ctx, doc, PDF_CJK_FONT_RESOURCE, script, fzfont, &key);
2if (fref)
3	return fref;

查找字体时并不与什么具体的字体类型相关，而只与语系字体即"zh-Hans"相关，找到就返回了。

2. 使用python脚本

1. 配置环境

mupdf有一个python库 pymupdf，可以直接使用下面的命令安装：

1pip install PyMuPDF

MinGW下最好使用：

1pacman -S mingw-w64-x86_64-python-pymupdf

需要注意的是MinGW下，根据版本不同可能不能使用

1import pymupdf

也可能不能使用：

1import fitz

而是需要使用：

1import fitz_old as fitz

也有可能会报

1DLL load failed while importing _fitz

则需要把MinGW中mingw64/bin/libgumbo-3.dll复制一份为mingw64/bin/libgumbo-2.dll

2. 工作

在pymupdf的PyMuPDF-Utilities库中有一个font-replacement专门用来进行字体替换的，作者还写了相应的文档进行说明。它有两个脚本 repl-fontnames.py、 repl-font.py，前者用于输出PDF文件中使用的字体信息到一个json文件，后者则使用该json中的配置来替换字体，参见它的 readme.md。不过笔者使用它并不能正常工作。

所以笔者自己写了一个python脚本来实现：

 1# -*- coding: utf-8 -*-
 2import fitz_old as fitz
 3import sys
 4
 5# 构建需要替换的字体，Key为源PDF中使用的字体，Value为要替换为的系统中的字体文件路径
 6dict_new_font = {}
 7# 宋体替换为系统的宋体
 8dict_new_font['SimSun'] = 'c:/windows/fonts/simsun.ttc'
 9# 黑体替换为系统的黑体
10dict_new_font['SimHei'] = 'c:/windows/fonts/simhei.ttf'
11# 楷体及楷体GB2312替换为系统的楷体
12dict_new_font['SimKai'] = 'c:/windows/fonts/simkai.ttf'
13
14def replace_page(page):
15    span_list = []
16    info = page.get_text('dict')
17    for block in info['blocks']:
18        lines = block.get('lines')
19        if lines is None:
20            continue
21        for line in lines:
22            for span in line['spans']:
23                font_name = span['font']
24                name = font_name.lower()
25                if name.startswith('simsun'):
26                    font_name = 'SimSun'
27                elif name.startswith('simhei'):
28                    font_name = 'SimHei'
29                elif name.startswith('simkai'):
30                    font_name = 'SimKai'
31                else:
32                    continue
33                span['font'] = font_name
34                page.add_redact_annot(span['bbox'])
35                span_list.append(span)
36    page.apply_redactions()
37    for target in span_list:
38        text = target['text']
39        font_name = target['font']
40        page.insert_text(target['origin'], text, fontsize=target['size'], fontname=font_name,
41                         fontfile=dict_new_font[font_name])
42
43
44def replace_font(doc_path, save_path):
45    doc = fitz.open(doc_path)
46    n = len(doc)
47    for page in doc:
48        replace_page(page)
49        print(f"{page.number}/{n}")
50
51    print("清理字体")
52    # 清理使用的字体
53    doc.subset_fonts()
54    print("保存文件")
55    # 保存时，清理没使用的对象，减少文件大小
56    doc.ez_save(save_path, clean=True)
57    doc.close()
58    print("完成")
59
60def main():
61    if len(sys.argv) < 3:
62        print(f"需要传入参数：格式：{sys.argv[0]} <源pdf> <目标pdf>")
63        return
64    replace_font(sys.argv[1], sys.argv[2])
65
66if __name__ == "__main__":
67    main()

这个脚本能够完成功能，不过比较慢。

3.使用C语言

由于python运行起来比较慢，笔者想尝试一下直接使用C API是否会更快。但是很快就发现一个问题，C API的资料相比Python而言太少了，示例也比较少。尝试使用AI来辅助，发现AI给的代码完全不能编译通过，各种没有的函数（估计是学习的老版本的）。这里也要吐槽一下mupdf库了，python的API，JS的API，C的API大相径庭啊，Python单独有一个pymupdf库，就不说了，JS的API可是mupdf自己维护的。

1. 配置环境

Ubuntu Linux下使用下面命令安装：

1apt install libmupdf-dev

MinGW使用下面命令安装：

1pacman -S mingw-w64-x86_64-libmupdf

安装好开发包后就可以使用C API开发了。

2. 使用C API先尝试输出文本

创建CMakeLists.txt：

 1cmake_minimum_required(VERSION 3.25.0)
 2
 3project(t)
 4
 5add_compile_options(
 6	-gdwarf-4
 7)
 8set(CMAKE_C_STANDARD 23)
 9
10add_executable(${PROJECT_NAME} main.c)
11target_link_libraries(${PROJECT_NAME} mupdf mupdf-third freetype openjp2 jbig jbig2dec jpeg harfbuzz gumbo m z pthread iconv)

main.c：

  1#include <mupdf/fitz.h>
  2#include <mupdf/pdf.h>
  3#include <stdio.h>
  4#include <stdlib.h>
  5#ifdef _WIN32
  6#include <windows.h>
  7#endif
  8
  9#ifdef NULL
 10#undef NULL
 11#define NULL nullptr
 12#endif
 13
 14static void handle_pdf(fz_context *ctx, fz_document *doc);
 15static void handle_page(fz_context *ctx, fz_document *doc, fz_page *page);
 16
 17int main(int argc, char **argv) {
 18#ifdef _WIN32
 19  // Windows控制台，需要设置成UTF8输出编码，以免显示乱码
 20  SetConsoleOutputCP(65001);
 21#endif
 22
 23  if (argc < 3) {
 24    printf("需要传入参数：格式：%s <源pdf> <目标pdf>\n", argv[0]);
 25    return EXIT_FAILURE;
 26  }
 27  // 首先创建一个fz_context
 28  fz_context *ctx = fz_new_context(NULL, NULL, FZ_STORE_UNLIMITED);
 29  if (!ctx) {
 30    printf("cannot create mupdf context\n");
 31    return EXIT_FAILURE;
 32  }
 33
 34  // 注册默认的文档处理器
 35  fz_try(ctx) { fz_register_document_handlers(ctx); }
 36  fz_catch(ctx) {
 37    fz_report_error(ctx);
 38    printf("cannot register document handlers\n");
 39    fz_drop_context(ctx);
 40    return EXIT_FAILURE;
 41  }
 42
 43  fz_document *doc = NULL;
 44  // 打开文档
 45  fz_try(ctx) { doc = fz_open_document(ctx, argv[1]); }
 46  fz_catch(ctx) {
 47    fz_report_error(ctx);
 48    printf("cannot open document\n");
 49    fz_drop_context(ctx);
 50    return EXIT_FAILURE;
 51  }
 52
 53  fz_try(ctx) {
 54    // 处理文档
 55    handle_pdf(ctx, doc);
 56    // 保存文档
 57    pdf_save_document(ctx, (pdf_document *)doc, argv[2],
 58                      &pdf_default_write_options);
 59  }
 60  fz_catch(ctx) {
 61    fz_report_error(ctx);
 62    printf("cannot count number of pages\n");
 63    fz_drop_document(ctx, doc);
 64    fz_drop_context(ctx);
 65    return EXIT_FAILURE;
 66  }
 67
 68  // 清理资源
 69  fz_drop_document(ctx, doc);
 70  fz_drop_context(ctx);
 71  return EXIT_SUCCESS;
 72}
 73
 74static void handle_pdf(fz_context *ctx, fz_document *doc) {
 75  // 获取文档总页数
 76  int page_count = fz_count_pages(ctx, doc);
 77  // 遍历每一页
 78  for (int i = 0; i < page_count; ++i) {
 79    // 加载页面
 80    fz_page *page = fz_load_page(ctx, doc, i);
 81    // 处理页面
 82    handle_page(ctx, doc, page);
 83    // 释放页面
 84    fz_drop_page(ctx, page);
 85  }
 86}
 87
 88static void handle_page(fz_context *ctx, fz_document *doc, fz_page *page) {
 89  fz_stext_options opts = {FZ_STEXT_PRESERVE_IMAGES |
 90                           FZ_STEXT_PRESERVE_LIGATURES};
 91  // 根据选项获取页面的结构化页面数据
 92  fz_stext_page *stext_page = fz_new_stext_page_from_page(ctx, page, &opts);
 93
 94  // 文本转换用的临时空间
 95  // 由于文本字符的存储是一个unicode字符值，以int存储的所以一个8字节的空间足够了
 96  char buf[8];
 97  // 遍历结构化页面的块
 98  for (fz_stext_block *text_block = stext_page->first_block; text_block;
 99       text_block = text_block->next) {
100    // 如果不是文本块，则不管它，只需要文本块
101    if (text_block->type != FZ_STEXT_BLOCK_TEXT) {
102      continue;
103    }
104    // 遍历文本块中的行
105    for (fz_stext_line *text_line = text_block->u.t.first_line; text_line;
106         text_line = text_line->next) {
107      // 遍历行中的每一个字符
108      for (fz_stext_char *text_char = text_line->first_char; text_char;
109           text_char = text_char->next) {
110        // 获取字符的值，是以Unicode存储的
111        const int c = text_char->c;
112        // 转换成UTF8编码
113        const int num = fz_runetochar(buf, c);
114        // 设置结束符
115        buf[num] = 0;
116        // 输出UTF8字符
117        printf("%s", buf);
118      }
119    }
120    printf("\n");
121  }
122
123  // 清理当前页资源
124  fz_drop_stext_page(ctx, stext_page);
125}

本程序在MinGW下编译运行。

3. 使用C API替换字体

fix-s22pdf.js是使用JS来修改成内置字体的，这里使用C的API来试试。

  1#include <mupdf/fitz.h>
  2#include <mupdf/fitz/glyph-cache.h>
  3#include <mupdf/pdf.h>
  4#include <mupdf/pdf/object.h>
  5#include <stdio.h>
  6#include <stdlib.h>
  7#ifdef _WIN32
  8#include <windows.h>
  9#endif
 10
 11#ifdef NULL
 12#undef NULL
 13#define NULL nullptr
 14#endif
 15
 16static void handle_pdf(fz_context *ctx, pdf_document *doc);
 17static void handle_page(fz_context *ctx, pdf_document *doc, pdf_page *page,
 18                        pdf_obj *font_obj);
 19
 20int main(int argc, char **argv) {
 21#ifdef _WIN32
 22  SetConsoleOutputCP(65001);
 23#endif
 24  fz_context *ctx = fz_new_context(NULL, NULL, FZ_STORE_UNLIMITED);
 25  if (!ctx) {
 26    printf("cannot create mupdf context\n");
 27    return EXIT_FAILURE;
 28  }
 29
 30  fz_try(ctx) fz_register_document_handlers(ctx);
 31  fz_catch(ctx) {
 32    fz_report_error(ctx);
 33    printf("cannot register document handlers\n");
 34    fz_drop_context(ctx);
 35    return EXIT_FAILURE;
 36  }
 37
 38  pdf_document *doc = NULL;
 39  fz_try(ctx) { doc = pdf_open_document(ctx, argv[1]); }
 40  fz_catch(ctx) {
 41    fz_report_error(ctx);
 42    printf("cannot open document\n");
 43    fz_drop_context(ctx);
 44    return EXIT_FAILURE;
 45  }
 46
 47  fz_try(ctx) {
 48    handle_pdf(ctx, doc);
 49    pdf_save_document(ctx, doc, argv[2], &pdf_default_write_options);
 50  }
 51  fz_catch(ctx) {
 52    fz_report_error(ctx);
 53    printf("cannot count number of pages\n");
 54    pdf_drop_document(ctx, doc);
 55    fz_drop_context(ctx);
 56    return EXIT_FAILURE;
 57  }
 58
 59  pdf_drop_document(ctx, doc);
 60  fz_drop_context(ctx);
 61  return EXIT_SUCCESS;
 62}
 63
 64static pdf_obj *build_ckj_font(fz_context *ctx, pdf_document *doc) {
 65  // 创建简体中文字体
 66  fz_font *font = fz_new_cjk_font(ctx, FZ_ADOBE_GB);
 67  // wmode 决定编码
 68  // encoding = wmode ? "UniGB-UTF16-V" : "UniGB-UTF16-H";
 69  // serif 决定字体的basefont，1为宋体，0为黑体，但是实际上还是宋体
 70  // basefont = serif ? "Song" : "Heiti";
 71  pdf_obj *font_obj = pdf_add_cjk_font(ctx, doc, font, FZ_ADOBE_GB, 0, 1);
 72  // 创建的字体默认是"UniGB-UTF16-V"或者"UniGB-UTF16-H"，
 73  // 这里需要"GBK-EUC-H"
 74  pdf_dict_puts(ctx, font_obj, "Encoding", pdf_new_name(ctx, "GBK-EUC-H"));
 75  return font_obj;
 76}
 77
 78static void handle_pdf(fz_context *ctx, pdf_document *doc) {
 79  pdf_obj *font_obj = build_ckj_font(ctx, doc);
 80  int page_count = pdf_count_pages(ctx, doc);
 81  for (int i = 0; i < page_count; ++i) {
 82    pdf_page *page = pdf_load_page(ctx, doc, i);
 83    handle_page(ctx, doc, page, font_obj);
 84    // 释放页面
 85    pdf_drop_page(ctx, page);
 86  }
 87}
 88
 89static void handle_page(fz_context *ctx, pdf_document *doc, pdf_page *page,
 90                        pdf_obj *font_obj) {
 91  pdf_obj *resources = pdf_page_resources(ctx, page);
 92  if (resources && pdf_is_dict(ctx, resources)) {
 93    pdf_obj *fonts = pdf_dict_gets(ctx, resources, "Font");
 94    if (fonts && pdf_is_dict(ctx, fonts)) {
 95      /* Iterate over all font entries */
 96      int fontCount = pdf_dict_len(ctx, fonts);
 97      for (int j = 0; j < fontCount; j++) {
 98        pdf_obj *key_obj = pdf_dict_get_key(ctx, fonts, j);
 99        const char *key = pdf_to_name(ctx, key_obj);
100        pdf_obj *font = pdf_dict_gets(ctx, fonts, key);
101
102        if (!pdf_is_dict(ctx, font))
103          continue;
104
105        pdf_obj *enc = pdf_dict_gets(ctx, font, "Encoding");
106        const char *encoding = pdf_to_name(ctx, enc);
107        // 如果不是WinAnsiEncoding则continue
108        if (strcmp(encoding, "WinAnsiEncoding") != 0) {
109          continue;
110        }
111
112        /* Read the BaseFont name */
113        pdf_obj *bf = pdf_dict_gets(ctx, font, "BaseFont");
114        if (!bf || !pdf_is_name(ctx, bf))
115          continue;
116
117        const char *fontname = pdf_to_name(ctx, bf);
118        uint32_t v = *(uint32_t *)fontname;
119        switch (v) {
120        case 0xe5cccecb: // 宋体
121          fontname = "SimSun";
122          break;
123        case 0xe5ccdaba: // 黑体
124          fontname = "SimHei";
125          break;
126        case 0xe5ccacbf: // 楷体
127          fontname = "SimKai";
128          break;
129        default:
130          continue;
131          break;
132        }
133
134        // 替换成内置的CJK字体
135        pdf_dict_puts(ctx, fonts, key, font_obj);
136      }
137    }
138  }
139}

如果本文对你有帮助，欢迎点赞收藏！