本文是对PDF Explained(by John Whitington)第六章《Text And Fonts

》的摘要式翻译，并加入了一些自己的理解。

文本状态

文本状态相关的操作符和参数如下表所示：

操作符	操作数(参数)	描述	默认值
Tc	charSpace	Tc将字符间距设为charSpace
Tw	wordSpace	Tw将字符间距设为wordSpace
Tz	scale	Tz将水平缩放设置为scale/100	100(正常大小)
TL	leading	TL将相邻两行文本行基线的垂直距离设为leading。只对T*和’'操作符产生作用。
Tf	font, size	Tf设置字体为font, 字号为size。	无
Tr	render	Tr将文本渲染模式设为render(一个整数)	详见手册5.2.5 Text Rendering Mode
Ts	rise	Ts将文本上升值设为rise

PDF Explained（翻译）第六章文本和字体文本状态打印文本定义和嵌入字体从文档中提取文本译者推荐阅读

更多详细描述可参看手册5.2 Text State Parameters and Operators

文本状态与图形状态一起存储，使用上面的运算符进行操作。当前文本状态受堆栈运算符q和Q的影响。

打印文本

在页面上打印文本需要：

选择字体。
选择位置，大小和方向。
选择间距，颜色，文本渲染模式和其他参数。
从字体中选择字符，并在页面上显示。

文本段落

操作符BT表示文本落开始，ET为文本段落结束。用于在页面的内容流中显示文本的操作符只能出现在BT和ET之间。但是用于改变文本状态的操作符不受这种限制。例：

1. 0. 0. 1. 50. 700. cm //Position at (50, 700)
BT  //Begin text block
  /F0 36. Tf //Select /F0 font at 36pt
  (Hello, World!) Tj //Place the text string
ET //End text block

复制

这里，我们使用Tf来选择字体及大小，使用Tj运算符来显示文本字符串。我们依靠图形运算符cm来设置文本位置。现在，我们将讨论更改文本位置的其他方法。

文本空间和文本定位

显示文本的坐标系，就是文本空间。从文本空间到用户空间的转换决定了文本在页面上放置的位置。文本字符串中第一个字形的原点位于文本空间的原点。

有两种矩阵：

文本矩阵（Tm）：定义了下一个字形的变换方式。可以通过文本定位操作符和文本显示操作符进行修改。
文本行矩阵（Tlm）：当前行开头的文本矩阵的状态。

当开始一个新的文本段落时，矩阵会被重置为单位矩阵。这两个矩阵与字体大小，水平缩放和文本上升一起定义了从文本空间到用户空间的转换。

文本定位操作符如下表所示：

操作数	操作符	功能
x, y	Td	标识下一行文字的开始处，位置是从当前行的开始处偏移（x，y）。
x, y	TD	标识下一行文字的开始处，位置是从当前行的开始处偏移(x,y), 同时将前导(leadig)设为-y。x y TD等效于-y TL x y Td
-	T*	移到下一行的开头。等效于0 leading Td, leading为当前的前导值。
a,b,c,d,e,f	Tm	将文本矩阵™和文本行矩阵(Tlm)设置为所有的操作数均为数字。

显示文本

Tj运算符在当前位置显示文本。为方便起见，提供了三个附加操作符（’，’'和TJ）。下表为文本显示操作符：

操作数	操作符	功能
string	Tj	在当前位置显示字符串
string	’	移到下一行并显示文本字符串。等效于T* string Tj
wordspace, charspace, string	‘’	移动到下一行并显示文本字符串，使用wordspace作为单词间距，charspace作为字符间距。等效于wordspace Tw charspace Tc string '
array	TJ	允许调整单个字形的位置。数组里包含字串和数字。如果元素是字串则显示字串。如果是数字，数字的单位是文本空间单位的千分之一，会依据书写模式将其从当前的水平或垂直坐标中减去，从而改变下一个字形的位置。

一些例子

字符和单词间距

BT
/F0 36 Tf
1 0 0 1 120 350 Tm
50 TL
(Character and Word Spacing) Tj T*
3 Tc
(Character and Word Spacing) Tj T*
10 Tw
(Character and Word Spacing) Tj
ET

复制

说明：

使用Tf设置字体/为F0，字号36。
使用Tm将文本位置设置为（120,350）
使用TL将前导设置为50
用Tj显示一个字符串，用T*移动到下一行
将字符间距设置为3，然后再次绘制字符串
将单词间距设置为10，并第三次绘制字符串

效果如下：

文本转换

在本例中，我们将展示文本转换如何与图形转换相结合。

0.96 0.25 -0.25 0.96 0 0 cm
BT
/F0 48 Tf
48 TL
1 0 0 1 270 240 Tm
(Text and graphics) Tj T*
(transforms combined) Tj T*
(with newlines) Tj
ET

复制

说明：

使用cm设置图形矩阵，围绕原点逆时针旋转
使用Tf设置字体，TL设置前导
使用Tm设置文本矩阵，将起点设为（270,240）
使用Tj和T*写三行文本

效果如下：

文本提升

Ts运算符可用于调整文本的垂直位置：

BT
/F0 72 Tf
1 0 0 1 140 290 Tm
(Text) Tj
20 Ts
(Up) Tj
0 Ts
(and) Tj
-20 Ts
(Down) Tj
ET

复制

效果如下:

字距和字形调整

TJ操作符可用于替代Tj，用于绘制具有水平字形调整的字符串。这种情况通常发生在使用文字处理器或打字机布局的情况下。TJ 操作符是一种对这些信息进行编码的便捷方法，无需再为每行文本使用数十个操作符：

BT
/F0 72 Tf
90 TL
1 0 0 1 240 330 Tm
[(PJ WAYNE)] TJ T*
[(P)150(J )(W)150(A)80(YN)20(E)] TJ
ET

复制

我们在这里使了两次TJ; 一次显示文本正常，第二次调整了字距。结果如下图所示。

文本渲染模式

文本有八种渲染模式(译者注：原文是seven，但实际取值应该是0~7，原文应该是错的)，可以使用Tr设置。其中四种用于将文本设置为剪切路径，一种用于编写不可见文本，这些不在本文讨论范畴。我们来看另外三种情况(模式0，1，2)，别分用于区域填充，边缘填充，边缘加区域填充。

0.5 g
BT
/F0 72 Tf
1 0 0 1 160 380 Tm
90 TL
(Text Mode Zero) Tj T*
1 Tr
(Text Mode One) Tj T*
2 Tr
(Text Mode Two) Tj
ET

复制

效果如下：

定义和嵌入字体

字体是特定字符集的字形（字符形状）的集合。在PDF中，字体由字体字典组成，字典中定义了度量，字符集和编码（将文本字符串中的字符代码映射到字体中的字符），以及字体程序（实际的字体文件）。不同的类型字体（Type 1, TrueType等）有不同的存储格式。

PDF中的字体类型

PDF中可以使用大多数主流字体格式，包括

Type 1字体
TrueType字体
Type 3字体
CID字体
OpenType字体

Type 1字体

我们以Type 1字体为例简要介绍下字体字典中的条目。下表中，*为必选项， **为14种标准字体以外的字体必选

key	值类型	值
/Type*	名称	必须是/Font
/Subtype*	名称	必须是/Type1
/BaseFont*	名称	字体的PostScript名称
/FirstChar**	整数	/Widths数组中的第一个编码
/LastChar**	整数	/Widths数组中的最后一个编码
/Widths**	整数数组	数组长度为（/LastChar - /FirstChar + 1），给出这些字符的字形宽度，单位是以千分之一的文本空间单位。
/FontDescriptor**	间接引用字典	字体描述符字典，提供字体的度量（字形宽度除外）
/Encoding	名称字典	字体的字符编码，例如/MacRomanEncoding或/WinAnsiEncoding。
/ToUnicode	流	一个包含了用于提取文本内容指令的流。

有14种标准的Type 1字体是所有PDF应用都必须支持的。不过，目前Adobe建议将所有的字体嵌入文档，即使这些标准字体也不例外。以下是标准字体列表：

Times-Roman
Times-Bold
Times-Italic
Times-BoldItalic
Helvetica
Helvetica-Bold
Helvetica-Oblique
Helvetica-BoldOblique
Courier
Courier-Bold
Courier-Oblique
Courier-BoldOblique
Symbol
ZapfDingbats

下面是一个Tyep 1字体的简单示例：

1 0 obj
<< /Type /Font
   /Subtype /Type1
   /BaseFont /Times-Roman
   /FirstChar 0
   /LastChar 255
   /Widths [ 255 255 255 255 ... 744 268 380 380 380 380 380 380 380 380 380 380 ]
   /FontDescriptor 2 0 R
   /Encoding /WinAnsiEncoding
>>

复制

省略号…是我们省略的内容，不是PDF语言的一部分。稍后我们将讨论/FontDescriptor和/Encoding。该字体共有256个字符，/Widths数组为每个字符提供宽度值。

字体编码

字体编码描述字符编码（内容流字符串中的字符）和字体中的字形描述之间的映射。

最简单的/Encoding可以只是一个标准编码的名子，这些编码在PDF标准文档的附录D中定义。更复杂的编码则需要通字典来定义。下表列出了编码字典中的条目：

key	值类型	值
/Type	名称	必须是/Encoding
/BaseEncoding	名称	基础编码，/Differences用于定义与该基础编码的差异。可以是预定义编码之一，包括/MacRomanEncoding, /MacExpertEncoding, /WinAnsiEncoding。如果基础编码不存在，则/Differences用来描述与自字体文件内置编码的差异。
/Differences	整数和名称的数组	定义与基础编码的差异。包含0个或多个部分，每个部分以数字n开头，后跟字符n，n + 1，n + 2等的字形名称。例如[6 /endash /emdash 34 /space] 表示6映射到/endash，7映射到/emdash，34映射到/space。

在下面的示例中，字体的编码定义了与内置字体编码的区别，将字符1 替换为字符/bullet（项目符号点）。这意味着PDF 查看器可以正确剪切和粘贴文本，因为它知道字符编码1是一个项目符号（ /bullet是在Adobe Glyph List中预定义的名称）。

25 0 obj
<< /Type /Font
   /Subtype /Type1
   /Encoding 23 0 R //Reference to the encoding dictionary
   /BaseFont /Symbol
   /ToUnicode 24 0 R //Instructions for conversion to Unicode
>>
endobj

23 0 obj //Encoding dictionary
<< /Type /Encoding
   /BaseEncoding /WinAnsiEncoding //The base encoding
   /Differences [ 1 /bullet ] //The differences
>>
endobj

复制

嵌入字体

创建PDF文件时，必须嵌入字体。我们需要如下步骤：

提取字体文件中的各种细节–这些细节用于填写字体字典，字体度量和字体编码字典。
如果字体格式允许，则从相关字体文件中删除这些细节，只留下字形描述–所有这些信息现在都在字体字典中。这减小了嵌入字体的大小。
可以只保留字体的子集，删除整个字形描述，将字体文件减少到一个只包含实际使用的字符的文件。

下例给出了嵌入字体的示例。

9 0 obj
<</Type /Font
   /Subtype /TrueType It's a TrueType font
   /BaseFont /GCCBBY+TT8Et00 Font is TT8Et00. GCCBBY+ prefix identifies as a subset font.
   /FontDescriptor 8 0 R
   /FirstChar 1 There are 41 characters in this font.
   /LastChar 41
   /Widths
     [603 603 603 603 603 603 603 603 603 603 603 603 603 603 The widths. It's a fixed-width font.
      603 603 603 603 603 603 603 603 603 603 603 603 603 603
      603 603 603 603 603 603 603 603 603 603 603 603 603]
   /Encoding 14 0 R
>>

14 0 obj The font encoding
<< /Type /Encoding
   /BaseEncoding /WinAnsiEncoding The base encoding
   /Differences The changes. In this case, it's a subset font with the characters at position 1 onward.
     [1 /w /i /d /g /e /t /s /T /h /space /r /u /l /a /x /bracketleft
      /underscore /J /o /n /S /m /quotesingle /A /p /c /bracketright
      /one /colon /braceleft /b /k /braceright /v /period /parenleft
      /two /parenright /asterisk /y /P]
>>
endobj

8 0 obj The font descriptor, giving the remaining metrics.
<< /Type /FontDescriptor
   /FontName /GCCBBY+TT8Et00
   /FontBBox [0 -205 602 770]
   /Flags 4
   /Ascent 770
   /CapHeight 770
   /Descent -205
   /ItalicAngle 0
   /StemV 90
   /MissingWidth 602
   /FontFile2 12 0 R The actual font file, here in TrueType format.
>>
endobj

复制

从文档中提取文本

通常在文件的字体词典中会包含足够的信息以便获取实际字符标识（而不仅仅是字形）。这对于Adobe Reader一类的PDF阅读应用

非常重要，因为有了这些信息用户才可以进行文本搜索和复制。

有两种机制实现这一点：

字体中的/Encoding条目（将字符编码映射到Adobe字形列表，比如/bullet）。
更先进的机制，/ToUnicode条目，提供一段程序，其语言由Adobe定义。程序字符代码直接映射到Unicode实体。以下是/ToUnicode程序的示例：

23 0 obj
<< /Length 317 >>
stream
/CIDInit /ProcSet findresource begin 12 dict begin begincmap /CIDSystemInfo <<
/Registry (Symbol+0) /Ordering (T1UV) /Supplement 0 >> def
/CMapName /Symbol+0 def
1 begincodespacerange <01> <01> endcodespacerange
1 beginbfrange
<01> <01> <2022> //Maps character code 1 to Unicode U+2022, the bullet point.
endbfrange
endcmap CMapName currentdict /CMap defineresource pop end end
endstream
endobj

复制

提取文本的另一个难点是重构内容流中的文本操作符。为了调整字距或对齐等原因，操作符会将文本时行拆分，行尾的连字符可能会中断字符流。文本操作符甚至有可能出现乱序。不过，大多通常情况下都可以顺利完成文本重建。

译者推荐阅读

文本空间和文本定位一节中提到了文本矩阵，以下材料有助于你更好的理解这种转换矩阵

Text Operators， The Tm Operator一节讲述了矩阵中abcdef的意义。
How to read a PDF text matrix， Affine transformation这两篇有助于你理解如何通过矩阵对文本进行各种拉伸，旋转操作。
如果你还想了解更多和本章相关的细节，可以阅读手册第五章

PDF Explained（翻译）第六章 文本和字体文本状态打印文本定义和嵌入字体从文档中提取文本译者推荐阅读

文本状态

打印文本

文本段落

文本空间和文本定位

显示文本

一些例子

字符和单词间距

文本转换

文本提升

字距和字形调整

文本渲染模式

定义和嵌入字体

PDF中的字体类型

Type 1字体

字体编码

嵌入字体

从文档中提取文本

译者推荐阅读

PDF Explained（翻译）第六章文本和字体文本状态打印文本定义和嵌入字体从文档中提取文本译者推荐阅读