Неправильное смещение символов, полученное с помощью PoDoFo

Question

Я использую PoDoFo для извлечения смещения символов для правильного обновления текстовой матрицы. Это мой фрагмент кода:

PdfString str, ucode_str;
std::stack<PdfVariant> *stack;
const PdfFontMetrics *f_metrics;
...

/* Convert string to UTF8 */
str = stack->top().GetString();
ucode_str = ts->font->GetEncoding()->ConvertToUnicode(str, ts->font);
stack->pop();
c_str = (char *) ucode_str.GetStringUtf8().c_str();

/* Font metrics to obtain a character displacement */
f_metrics = ts->font->GetFontMetrics();

for (j = 0; j < strlen(c_str); j++) {
    str_w = f_metrics->CharWidth(c_str[j]);

    /* Adjust text matrix using str_w */
    ...
}

Это хорошо работает для некоторых файлов PDF (str_w содержит полезную ширину), но не работает для других. В этих случаях str_w содержит 0.0, Я посмотрел на PoDoFo 0.9.5 источники и найдены CharWidth() реализовано для всех подклассов PdfFontMetrics,

Я что-то упускаю во время преобразования строки?

Обновление от 04.08.2017

@mkl проделал отличную работу, просматривая код PoDoFo. Однако я понял, что должен получить немного другой параметр. Чтобы быть точным, мне нужна была ширина символа, выраженная в единицах текстового пространства (см. PDF Reference 1.7, 5.1.3 Расположение символов и метрики), но CharWidth() реализуется в PdfFontMetricsObject.cpp лайк:

double PdfFontMetricsObject::CharWidth(unsigned char c) const
{
    if (c >= m_nFirst && c <= m_nLast &&
        c - m_nFirst < static_cast<int>(m_width.GetSize())) {
        double dWidth = m_width[c - m_nFirst].GetReal();

        return (dWidth * m_matrix.front().GetReal() * this->GetFontSize() + this->GetFontCharSpace()) * this->GetFontScale() / 100.0;
    }

    if (m_missingWidth != NULL)
        return m_missingWidth->GetReal();
    else
        return m_dDefWidth;
}

Ширина рассчитывается с использованием дополнительных множителей (таких как размер шрифта, пространство символов и т. Д.). Что мне действительно нужно было dWidth * m_matrix.front().GetReal() только. Таким образом, я решил реализовать GetGlyphWidth(int c) из того же файла, как:

double PdfFontMetricsObject::GetGlyphWidth(int c) const
{
    if (c >= m_nFirst && c <= m_nLast &&
        c - m_nFirst < static_cast<int>(m_width.GetSize())) {
        double dWidth = m_width[c - m_nFirst].GetReal();
        return dWidth * m_matrix.front().GetReal();
    }
    return 0.0;
}

и назовите это вместо CharWidth() из первого списка.

Answer 1

Если я правильно понимаю код Podofo (я на самом деле не эксперт Podofo...), то PdfFontMetricsObject Класс используется для представления метрик шрифтов, содержащихся в уже существующем PDF:

/** Create a font metrics object based on an existing PdfObject
 *
 *  \param pObject an existing font descriptor object
 *  \param pEncoding a PdfEncoding which will NOT be owned by PdfFontMetricsObject
 */
PdfFontMetricsObject( PdfObject* pFont, PdfObject* pDescriptor, const PdfEncoding* const pEncoding );

Метод CharWidth здесь реализовано так:

double PdfFontMetricsObject::CharWidth( unsigned char c ) const
{
    if( c >= m_nFirst && c <= m_nLast
        && c - m_nFirst < static_cast<int>(m_width.GetSize()) )
    {
        double dWidth = m_width[c - m_nFirst].GetReal();

        return (dWidth * m_matrix.front().GetReal() * this->GetFontSize() + this->GetFontCharSpace()) * this->GetFontScale() / 100.0;
    }

    if( m_missingWidth != NULL )
        return m_missingWidth->GetReal ();
    else
        return m_dDefWidth;
}

В частности, один видит, что параметр c не кодируется в соответствии с кодировкой шрифта, но остается как есть для поиска в массиве widths. Таким образом, ожидаемый ввод этого метода, по-видимому, не код символа ASCII или ANSI, а исходный идентификатор глифа.

С другой стороны, ваш код уже преобразовал идентификаторы глифов в Unicode в UTF-8 и, следовательно, по сути пытается найти коды символов ANSI.

---

Это будет соответствовать примерам документов, типичная кодировка шрифта в PDF, обработанная с ошибкой, выглядит следующим образом

28 0 obj
<<
  /Differences[0/B/G/W/a/d/e/f/g  9/i/l/n/o/p/r/space/t/w]
  /BaseEncoding/MacRomanEncoding
  /Type/Encoding
>>
endobj

с кодами глифов от 0 (FirstChar) до 17 (LastChar) или

12 0 obj
<<
  /Differences[1/A/B/C/D/F/I/L/M/N/O/P/R/T/U/a/c/d
                /degree/e/eight/f/five/four/g/h
               27/i/l/m/n/o/one/p/parenleft/parenright
                /period/r/registered/s/space
                /t/three/two/u/w/zero]
  /BaseEncoding/MacRomanEncoding
  /Type/Encoding
>>
endobj 

с кодами глифов от 1 (FirstChar) до 46 (LastChar).

Таким образом, эти кодировки имеют дело с кодами глифов, начинающимися с 0, для всех необходимых глифов и на самом деле не охватывают столько глифов

Таким образом, CharWidth вернусь 0 для всех значений символов выше 17 или выше 46, что означает все (в первом случае) или большинство (во втором случае) неконтролирующие символы ANSI.

С другой стороны, типичная кодировка шрифта в обработанном PDF-файле выглядит следующим образом:

1511 0 obj
<<
  /Type/Encoding
  /BaseEncoding/WinAnsiEncoding
  /Differences[
    1/Delta/Theta
    8/Phi
    11/ff/fi/fl/ffi
    39/quoteright
  ]
>>
endobj 

с кодами глифов от 1 (FirstChar) до 122 (LastChar).

Эти кодировки в основном представляют собой WinAnsiEncoding с незначительными добавлениями в более низкие значения, в частности значения управляющих символов.

---

Поэтому вы можете перебирать коды глифов в str (позволяя вам позвонить CharWidth для них) и конвертировать их индивидуально в Unicode, когда это необходимо, вместо того, чтобы сначала конвертировать str Unicode ucode_str а затем перебирая символы ANSI в ucode_str,