Question

使用iText 5.5.10创建PDF / UA文档时，换行符之前的每个空格似乎都被删除了，这似乎让一些屏幕阅读器感到困惑。以下示例创建此文本（在linebreak之前注意没有空格）：

The quick brown fox jumps over the lazy dog. The quick
brown fox jumps over the lazy dog. The quick brown fox
jumps over the lazy dog.

在屏幕阅读器中阅读时，会有连接的字词（注意＆＃34; quickbrown＆＃34;＆＃34; foxjumps＆＃34;）：

串行发生在PDF文档中放置换行符。

这是一个要重现的最小样本（ PDFAWriter和字体嵌入不用于使样本变小，因为它似乎没有区别）：

package sandbox.pdfa;

import com.itextpdf.text.Chunk;
import com.itextpdf.text.Document;
import com.itextpdf.text.DocumentException;
import com.itextpdf.text.Font;
import com.itextpdf.text.FontFactory;
import com.itextpdf.text.Paragraph;
import com.itextpdf.text.pdf.BaseFont;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.PdfWriter;
import com.itextpdf.text.pdf.parser.PdfTextExtractor;

import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.stream.Collectors;
import java.util.stream.IntStream;

public class PdfUaSpike {

    static public void main(String args[]) throws IOException, DocumentException {
        final String DEST = "results/pdfa/pdfua.pdf";
        File file = new File(DEST);
        file.getParentFile().mkdirs();
        new PdfUaSpike().createPdf(DEST).showExtractedText(DEST);
    }

    public PdfUaSpike createPdf(String dest) throws IOException, DocumentException {
        Document document = new Document();
        PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(dest));
        writer.setPdfVersion(PdfWriter.VERSION_1_7);
        writer.setTagged();
        writer.setViewerPreferences(PdfWriter.DisplayDocTitle);
        document.addLanguage("en-US");
        document.addTitle("English pangram");
        writer.createXmpMetadata();
        document.open();

        Font font = FontFactory.getFont(FontFactory.HELVETICA, BaseFont.WINANSI, BaseFont.EMBEDDED, 20);

        {
            Paragraph p = new Paragraph();
            p.setFont(font);

            String sampleText = IntStream.range(0, 3)
                    .mapToObj(i -> "The quick brown fox jumps over the lazy dog. ")
                    .collect(Collectors.joining());

            p.add(sampleText);
            document.add(p);
        }

        document.close();

        return this;
    }

    private void showExtractedText(String path) throws IOException {
        System.out.println("Notice that spaces before linebreaks have been removed:" + System.lineSeparator());
        String extractedText = PdfTextExtractor.getTextFromPage(new PdfReader(path), 1);
        System.out.println(extractedText);
    }

}

此示例的依赖关系：

com.itextpdf:itextpdf:jar:5.5.10:compile
com.itextpdf:itext-pdfa:jar:5.5.10:compile

在测试从Word导出的PDF时，它会在文档中保留换行符之前显示空格，并且在屏幕阅读器中工作正常。

有没有办法配置iText以便在换行符之前保留空格？

iText PDF在Linux中创建并在Windows中进行测试。

Answer 1

猜测你的堆栈的一部分用Unix linebreaks（LF）创建文档，另一部分试图通过盲目删除LF之前的字节来“修复”windows换行符（CR + LF），而不检查它是否是首先是CR。

使用iText 5在PDF / UA中的换行符之前缺少空格

1 个答案: