Java 如何在使用PDFBox将字符串打印为PDF之前对其进行消毒

我正在从UTF-8用户输入创建PDF文档

除了显示PDF之外，创建本身也会失败，原因是

java.lang.IllegalArgumentException:U+039B在此字体的编码中不可用：winansienceoding

这里的大多数答案都指向“使用具有更好UTF-8支持的字体”，但由于我无法控制用户输入，这种UTF-8支持永远都不够好，我需要一个防弹解决方案（比如打印一些东西而不是出错）

答案是，在将文本添加到PDF之前，应该对其进行消毒

问题是我找不到有效的例子来实现这一点。 所有的例子似乎都指向删除的代码（

font.setToUnicode

或某种编码方法，一次转换一个字符）

简而言之，我有一个字符串，我想要一个防弹方法将它的大部分写入PDFBox文档（显然，字体中缺少的字符将被替换或不打印）

非常感谢,，

---

JM

我结束了一个字符一个字符的清理

这里是我的消毒功能的样子

为了避免重新处理字符，我正在缓存每个给定字体的每个字符的可用性

当字体中的代码点不可用时，我将尝试使用“标准”替换字符，如果不可用，我将使用问号替换

这确实是低效的，但我还没有找到另一种更有效的方法来做到这一点，因为我没有控制权，也不知道正在打印什么

可能有很多地方需要改进，但这对我的用例是有效的

private String getPrintableString(String string, PDFont font) {

    StringBuilder sb = new StringBuilder();

    for (int i = 0; i < string.length(); i++) {

        int codePoint = string.codePointAt(i);

        if (codePoint == 0x000A) {
            sb.appendCodePoint(codePoint);
            continue;
        }

        String fontName = font.getName();
        int cpKey = fontName.hashCode();
        cpKey = 31 * cpKey + codePoint;

        if (codePointAvailCache.get(cpKey) == null) {

            try {
                font.encode(string.substring(i, i + 1));
                codePointAvailCache.put(cpKey, true);
            } catch (Exception e) {
                codePointAvailCache.put(cpKey, false);
            }
        }

        if (!codePointAvailCache.get(cpKey)) {

            // Need to make sure our font has a replacement character
            try {
                codePoint = 0xFFFD;
                font.encode(new String(new int[] { codePoint }, 0, 1));
            } catch (Exception e) {
                codePoint = 0x003F;
            }
        }

        sb.appendCodePoint(codePoint);
    }

    return sb.toString();
}

私有字符串getPrintableString（字符串字符串，PDFont）{
StringBuilder sb=新的StringBuilder（）；
对于（int i=0；i

您使用哪个PDFBox版本？正如你提到的答案，版本1.8。x和2.0.xi-AM使用2.0.3（最后一个版本）的情况不同。你使用哪种字体？你如何使用它？Pdfbox 2.0.x允许您嵌入包含所需字形的字体子集。@mkl是的，我尝试了Ubuntu字体，这在一定程度上改进了一些东西，但它永远都不够好，因为我无法提前知道将打印哪些字符。我正在打印用户输入的文本，基本上他们可以访问整个UTF-8集。有没有办法知道字体中的字形代表什么代码点？这将是非常低效的，但我可以扫描所有字符串，并用PlaceHLoder替换丢失的字符。。。这有助于删除不可打印的字符