当我在adobe acrobat pro Dc中打开pdf时，创建pdf的文本变得乱七八糟，我用的是itext5.5.12。

Question

对于我们的应用程序，我们使用itext5.5.12创建pdf，使用ruby2.0.0和rails 4.2

从应用程序下载pdf到本地计算机并在Adobe Acrobat DC Pro中打开pdf后，文本变得混乱请参阅下面的pdf

​

​

请建议我如何解决这个问题

以下是我的代码

FileStream = Rjb::import('java.io.FileOutputStream')
LicenseKey = Rjb::import('com.itextpdf.license.LicenseKey')
PdfReader = Rjb::import('com.itextpdf.text.pdf.PdfReader')
Document = Rjb::import('com.itextpdf.text.Document')
PdfCopy = Rjb::import('com.itextpdf.text.pdf.PdfCopy')

def initialize(output_filename, pdf_files)
  itext_key = File.join(Rails.root, '/lib/jars/itextkey.xml')
  LicenseKey.loadLicenseFile(itext_key)
  @output_filename = output_filename
  @pdf_files = pdf_files
end

def bind
  doc =Document.new
  pdf_copy = PdfCopy.new(doc, FileStream.new(@output_filename))
  doc.open
  @pdf_files.each do |pdf|
    reader = PdfReader.new(pdf)
    pages = reader.getNumberOfPages()
    (1..pages).each do |p|
      pdf_copy.addPage(pdf_copy.getImportedPage(reader, p))
    end
    reader.close
  end
  doc.close
end

Answer 1

你的代码

首先，我将您的代码移植到Java，并为您提供的文件运行它。Merging.java)，但结果文件未损坏。因此，您提供的代码很可能不是问题所在。

后处理器

然后我分析了你的PDF文件，发现你的代码不是它的最终编辑器：

制片人

• 说：

iText®5.5.12©2000-2017 iText集团NV (yash；试用版ka2lzaG9yZS5yYWNoYWtvbmRhQHlhc2guY29t)；使用iText®7.0.1©2000-2016 iText集团NV iText进行修改

因此，另一个使用PDF7.0.1的例程对合并后的iText进行了后处理。

• 是线性化的。

据我所知，iText 5.x和iText 7.0.x都不能创建线性化文件。

因此，由未知的PDF处理器进行的另一次转换发生了。

因此，使用iText 7的代码或未知的线性化后处理器可能导致了该问题。

问题本身

我比较了你提供的原件和你的结果。区别在于：

“3slc Dec.pdf”中的页面引用了未嵌入的Arial-BoldMT字体资源。因此，如果显示PDF的计算机具有该字体，则PDF被正确地显示。

不过，结果"39bdd9b1ba6501b44d401ee1b157ddb5631fcf36.pdf"，中的匹配页面引用了Arial-BoldMT的字体资源，它突然包含了一个嵌入的字体文件。但是这个字体文件是不完整的，即仅仅是Arial-BoldMT！的一个子集

如果存在嵌入字体文件，则此嵌入字体文件用于显示以此字体绘制的文本，而不再是本地计算机上的字体。由于此处嵌入的字体文件不完整，因此不再显示大量字符。

再往下看，这个子集字体文件来自您的输入“5Sched of INS.pdf”。事实上，这个PDF中唯一的页面有一个用于Arial-BoldMT的字体资源和一个只包含该页面所需字符的字体文件。

因此，要么是使用iText 7的代码，要么是未知的线性化后处理器，似乎已经假定“5Sched of INS.pdf”中的Arial-BoldMT字体文件是完整的，并将其添加到其他页面上的Arial-BoldMT字体资源中。

这是一个错误吗？

这似乎是后处理器的一个有效的优化步骤，它做到了这一点，而不是一个错误，因为严格地说，“5Sed of INS.pdf”中的Arial-BoldMT字体资源是被破坏的；INS.pdf规范要求：

对于字体子集，字体的PostScript名称-字体的BaseFont条目和字体描述符的FontName条目的值-应以标记开头，后跟加号(+)。标签应恰好由六个大写字母组成；字母的选择是任意的，但同一PDF文件中的不同子集应具有不同的标签。

由于“5Sed of INS.pdf”中的Arial-BoldMT字体资源没有这个前缀，所以任何嵌入其中的字体文件都必须是完整的。但是嵌入的字体文件不是。

因此，允许哪个后处理器将字体文件添加到其他字体资源中，"5分的INS.pdf“文件是罪魁祸首，应该在使用前进行修复。