使用 PDFBox 书写 PDF 泰米尔语
我们在 PDF 查看器中呈现泰米尔字母时遇到了问题，其中某些字母的呈现方式与预期不同。下面，我概述了实际内容渲染和预期内容，以供参考：
实际内容渲染 
预期内容 
经过分析，我们确定了在生成过程中需要重新排序或替换字形的三种情况：
反转字形
கெ = க + ெ = க ெ -> ெ + க = கெ
拆分和重新排序字形
கொ = க + ொ = க ொ -> க + ெ + ா -> ெ + க + ா = கொ
用新字形替换某些字形组合。新的字形没有unicode，仅存在于字体文件中。
கு = க + ு = க ு -> கு
| 输入文本 | JDK 中的字符列表 | JDK gid 中的代码点 | ttf 中 | 实际* | 预期 | |
|---|---|---|---|---|---|---|
| கெ | க + ெ | 2965 3014 字符：க 代码点：2965 unicode：ub95 字符：ெ 代码点：3014 unicode：ubc6 | 1828 1856 | க + ெ = க ெ | ெ + க = கெ | 反转预期的字形。 |
| கொ | க + ொ | 2965 3018 字符：க 代码点：2965 unicode：ub95 字符：ொ 代码点：3018 unicode：ubca | 1828 1859 | க + ொ = க ொ | க + ெ + ா ெ + க + ா = கொ | 预计拆分并重新排序。 |
| கு | க + ு | 2965 3009 字符：க 代码点：2965 unicode：ub95 字符：ு 代码点：3009 unicode：ubc1 | 1828 1854 | க + ு = க ு | கு (gid = 6698) | 预计会有新字形。新的字形没有unicode，仅存在于字体文件中。 |
查看 GlyphSubstitutionTable、fontbox.cmap.Identity-H、fontbox.unicode.Scripts.txt。任何帮助我们以有效的方式解决问题的帮助将不胜感激。
We've encountered an issue with the rendering of Tamil letters in PDF viewers, where some letters are rendered differently than expected. Below, I've outlined the actual content rendering and the expected content for the reference:
Actual content rendering
Expected content
Upon analysis, we've identified three cases that require reordering or substitution of glyphs during generation:
Reversing the glyphs
கெ = க + ெ = க ெ -> ெ + க = கெ
Spliting and Reordering the glyphs
கொ = க + ொ = க ொ -> க + ெ + ா -> ெ + க + ா = கொ
Substituting new glyphs for certain combinations. The new glyphe do not have unicode, only exist in the font file.
கு = க + ு = க ு -> கு
| Input text | Char list from JDK | Code points from JDK | gid in ttf | Actual* | Expected | |
|---|---|---|---|---|---|---|
| கெ | க + ெ | 2965 3014 Character : க Codepoint : 2965 unicode : ub95 Character : ெ Codepoint : 3014 unicode : ubc6 | 1828 1856 | க + ெ = க ெ | ெ + க = கெ | Reversing the glyphes expected. |
| கொ | க + ொ | 2965 3018 Character : க Codepoint : 2965 unicode : ub95 Character : ொ Codepoint : 3018 unicode : ubca | 1828 1859 | க + ொ = க ொ | க + ெ + ா ெ + க + ா = கொ | Split and reorder expected. |
| கு | க + ு | 2965 3009 Character : க Codepoint : 2965 unicode : ub95 Character : ு Codepoint : 3009 unicode : ubc1 | 1828 1854 | க + ு = க ு | கு (gid = 6698) | New glyphe expected. The new glyphe do not have unicode, only exist in the font file. |
Looking at the GlyphSubstitutionTable, fontbox.cmap.Identity-H, fontbox.unicode.Scripts.txt. Any help would be appreciated to hadnle it in efficient way.
Links, Font Actual Expected Use cases PDFBox Jira
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您需要实现一个文本整形引擎来处理泰米尔语书写。
请参阅 OpenType 规范：https://learn.microsoft.com/en -us/typography/opentype/spec/ ，GSUB/GPOS 表是您主要感兴趣的。
这不是一件容易的任务，因此也许使用外部库，例如 HarfBuzz 是更好的选择。
还有一个关于孟加拉语书写的 PDFBox 问题 (4189)。也许它将帮助您实现对泰米尔语
更新的支持：例如这个 HarfBuzz 命令行：
将返回：
您必须解析 json 输出，获取字形 ID 并将其提供给 PDFBox。
You need to implement a text shaping engine to handle Tamil writing.
Please see the OpenType specification: https://learn.microsoft.com/en-us/typography/opentype/spec/ , the GSUB/GPOS tables are the main interest for you.
This is no easy task so maybe using an external library such as HarfBuzz is a better choice.
There is also this PDFBox issue (4189) regarding Bengali writing. Maybe it will help you implement support for Tamil
Update: for example this HarfBuzz command line:
will return:
You have to parse the json output, get the glyph ids and provide them to PDFBox.