Tôi biết về pdftk.exetiện ích có thể chỉ ra phông chữ nào được sử dụng bởi PDF và khi chúng được nhúng hay không.
Bây giờ vấn đề: do tôi có các tệp PDF có phông chữ nhúng - làm cách nào tôi có thể trích xuất các phông chữ đó theo cách chúng có thể được sử dụng lại như các tệp phông chữ thông thường? Có công cụ nào (tốt nhất là miễn phí) có thể làm điều đó không? Ngoài ra: điều này có thể được thực hiện theo chương trình với, giả sử, iText không?
Câu trả lời:
Bạn có một vài lựa chọn. Tất cả các phương pháp này hoạt động trên Linux cũng như trên Windows hoặc Mac OS X. Tuy nhiên, hãy lưu ý rằng hầu hết các tệp PDF không bao gồm đầy đủ, hoàn chỉnh phông chữ khi chúng có một phông chữ được nhúng. Chủ yếu chúng chỉ bao gồm tập hợp con của glyphs được sử dụng trong tài liệu.
pdftopsMột trong những phương pháp được sử dụng thường xuyên nhất để thực hiện việc này trên các hệ thống * nix bao gồm các bước sau:
pdftops(trên Windows: pdftops.exechương trình trợ giúp..pfađịnh dạng (PostScript) + bạn có thể trích xuất chúng bằng trình soạn thảo văn bản ..pfa(ASCII) thành .pfbtệp (nhị phân) bằng cách sử dụng t1utilsvà pfa2pfb..pfmhoặc .afmcác tệp (tệp số liệu phông chữ) được nhúng (vì trình xem PDF có kiến thức nội bộ về các tệp này). Không có những thứ này, các tệp phông chữ khó có thể sử dụng theo cách trực quan dễ chịu.fontforgeMột phương pháp khác là sử dụng trình soạn thảo phông chữ miễn phí FontForge :
Kiểm tra hướng dẫn sử dụng FontForge. Bạn có thể cần phải làm theo một số bước cụ thể không nhất thiết phải đơn giản để lưu dữ liệu phông chữ được trích xuất dưới dạng tệp có thể sử dụng lại được.
mupdfTiếp theo, MuPDF . Ứng dụng này đi kèm với một tiện ích có tên pdfextract(trên Windows pdfextract.exe:) có thể trích xuất phông chữ và hình ảnh từ các tệp PDF. (Trong trường hợp bạn không biết về MuPDF, mà vẫn còn khá vô danh và mới: "MuPDF là một trọng lượng nhẹ xem miễn phí PDF và bộ công cụ viết bằng di C." , được viết bởi các nhà phát triển phần mềm ARTIFEX, cùng một công ty mà đã cho chúng tôi Ghostscript. )
( Cập nhật: Các phiên bản mới hơn của MuPDF đã chuyển chức năng cũ của 'pdfextract' sang lệnh 'mutool extract' . Tải xuống tại đây: mupdf.com/doads )
Lưu ý: pdfextract.exelà một chương trình dòng lệnh. Để sử dụng nó, hãy làm như sau:
c:\> pdfextract.exe c:\path\to\filename.pdf # (on Windows)
$> pdfextract /path/tofilename.pdf # (on Linux, Unix, Mac OS X)
Lệnh này sẽ kết xuất tất cả các tệp có thể trích xuất từ tệp pdf được tham chiếu vào thư mục hiện tại. Nói chung, bạn sẽ thấy một loạt các tập tin: hình ảnh cũng như phông chữ. Chúng bao gồm PNG, TTF, CFF, CID, v.v ... Tên hình ảnh sẽ giống như img-0412.png nếu số đối tượng PDF của hình ảnh là 412. Tên phông chữ sẽ giống như FGETYK + LinLibertineI-0966.ttf , nếu phông chữ là Số đối tượng PDF là 966.
Các tệp CFF ( Định dạng phông chữ nhỏ gọn ) là một định dạng được công nhận có thể được chuyển đổi sang các định dạng khác thông qua nhiều bộ chuyển đổi để sử dụng trên các hệ điều hành khác nhau.
Xin nhắc lại: lưu ý rằng hầu hết các tệp phông chữ này có thể chỉ có một tập hợp con các ký tự và có thể không đại diện cho kiểu chữ hoàn chỉnh.
Cập nhật: (Tháng 7 năm 2013) Các phiên bản gần đây mupdfđã thấy việc chia sẻ lại nội bộ và đổi tên các tệp nhị phân của chúng, không chỉ một lần, mà nhiều lần. Tiện ích chính được sử dụng là một nhị phân 'dao giống nhau' được gọi mubusy(tên lấy cảm hứng từ busybox?), Gần đây đã được đổi tên thành mutool. Những hỗ trợ các tiểu lệnh info, clean, extract, postervà show. Thật không may, tài liệu chính thức cho các công cụ này không cập nhật (chưa). Nếu bạn đang sử dụng máy Mac bằng 'MacPorts': thì tiện ích đã được đổi tên để tránh xung đột tên với các tiện ích khác sử dụng tên giống nhau và bạn có thể cần phải sử dụng mupdfextract.
Để đạt được kết quả tương đương (gần như) mutoolnhư công cụ trước đây pdfextractđã làm, chỉ cần chạy mubusy extract .... *
Vì vậy, để trích xuất phông chữ và hình ảnh, bạn có thể cần chạy một trong các dòng lệnh sau:
c:\> mutool.exe extract filename.pdf # (on Windows)
$> mutool extract filename.pdf # (on Linux, Unix, Mac OS X)
Tải xuống ở đây: mupdf.com/doads
gs(Ghostscript)Sau đó, Ghostscript cũng có thể trích xuất phông chữ trực tiếp từ các tệp PDF. Tuy nhiên, nó cần sự trợ giúp của một chương trình tiện ích đặc biệt có tên extractFonts.ps, được viết bằng ngôn ngữ PostScript, có sẵn từ kho lưu trữ mã nguồn Ghostscript .
Bây giờ sử dụng nó, bạn cần chạy cả hai, tệp này extractFonts.psvà tệp PDF của bạn. Ghostscript sau đó sẽ sử dụng các hướng dẫn từ chương trình PostScript để trích xuất các phông chữ từ PDF. Có vẻ như thế này trên Windows (vâng, Ghostscript hiểu 'dấu gạch chéo về phía trước', /, như một dấu phân cách đường dẫn cũng trên Windows!):
gswin32c.exe ^
-q -dNODISPLAY ^
c:/path/to/extractFonts.ps ^
-c "(c:/path/to/your/PDFFile.pdf) extractFonts quit"
hoặc trên Linux, Unix hoặc Mac OS X:
gs \
-q -dNODISPLAY \
/path/to/extractFonts.ps \
-c "(/path/to/your/PDFFile.pdf) extractFonts quit"
Tôi đã thử nghiệm phương pháp Ghostscript vài năm trước. Tại thời điểm nó đã giải nén * .ttf (TrueType) tốt. Tôi không biết liệu các loại phông chữ khác cũng sẽ được trích xuất hay không, và nếu vậy, theo cách có thể sử dụng lại. Tôi không biết liệu tiện ích có chặn trích xuất phông chữ được đánh dấu là được bảo vệ hay không.
pdf-parser.pyCuối cùng, pdf-parser.py của Didier Stevens : cái này có lẽ không dễ sử dụng, vì bạn cần có một số bí quyết về cấu trúc PDF bên trong. pdf-parser.pylà một kịch bản Python cũng có thể làm rất nhiều thứ khác. Nó cũng có thể giải nén và trích xuất các luồng tùy ý từ các đối tượng và do đó nó cũng có thể trích xuất các tệp phông chữ nhúng.
Nhưng bạn cần biết những gì cần tìm. Hãy xem nó với một ví dụ. Tôi có một tập tin tên big.pdf . Bước đầu tiên tôi sử dụng -stham số để tìm kiếm PDF cho bất kỳ sự xuất hiện nào của từ khóa FontFile ( pdf-parser.pykhông yêu cầu tìm kiếm phân biệt chữ hoa chữ thường):
pdf-parser.py -s fontfile big.pdf
Trong trường hợp của tôi, đối với big1.pdf của tôi , tôi nhận được kết quả này:
obj 9 0
Type: /FontDescriptor
Referencing: 15 0 R
<<
/Ascent 728
/CapHeight 716
/Descent -210
/Flags 32
/FontBBox [ -665 -325 2000 1006 ]
/FontFile2 15 0 R
/FontName /ArialMT
/ItalicAngle 0
/StemV 87
/Type /FontDescriptor
/XHeight 519
>>
obj 11 0
Type: /FontDescriptor
Referencing: 16 0 R
<<
/Ascent 728
/CapHeight 716
/Descent -210
/Flags 262176
/FontBBox [ -628 -376 2000 1018 ]
/FontFile2 16 0 R
/FontName /Arial-BoldMT
/ItalicAngle 0
/StemV 165
/Type /FontDescriptor
/XHeight 519
>>
Nó cho tôi biết rằng có hai trường hợp FontFile2bên trong PDF và những trường hợp này không có trong các đối tượng PDF. 15 và không. 16, tương ứng. Đối tượng không. 15 giữ /FontFile2cho phông chữ / ArialMT , đối tượng không. 16 giữ /FontFile2cho phông chữ / Arial-BoldMT .
Để thể hiện điều này rõ hơn:
pdf-parser.py -s fontfile big1.pdf | grep -i fontfile
/FontFile2 15 0 R
/FontFile2 16 0 R
Việc xem nhanh thông số kỹ thuật PDF cho thấy từ khóa /FontFile2liên quan đến 'luồng chứa chương trình phông chữ TrueType' ( /FontFilesẽ liên quan đến 'luồng chứa chương trình phông chữ Loại 1' và /FontFile3sẽ liên quan đến 'luồng chứa chương trình phông chữ có định dạng được chỉ định bởi mục Subtype trong từ điển luồng ' {do đó là kiểu con Type1C hoặc CIDFontType0C }.)
Để xem cụ thể đối tượng PDF không. 15 (chứa phông chữ / ArialMT ), người ta có thể sử dụng -o 15tham số:
pdf-parser.py -o 15 big1.pdf
obj 15 0
Type:
Referencing:
Contains stream
<<
/Length1 778552
/Length 1581435
/Filter /ASCIIHexDecode
>>
pdf-parser.pyĐầu ra này cho chúng ta biết rằng đối tượng này chứa một luồng (nó sẽ không hiển thị trực tiếp) có độ dài 1.581.435 Byte và được mã hóa (== "đã nén") bằng ASCIIHexEncode và cần được giải mã (== "de- được nén "hoặc" được lọc ") với sự trợ giúp của /ASCIIHexDecodebộ lọc tiêu chuẩn .
Để kết xuất bất kỳ luồng nào từ một đối tượng, pdf-parser.pycó thể được gọi với -d dumpnametham số. Hãy làm nó:
pdf-parser.py -o 15 -d dumped-data.ext big1.pdf
Kết xuất dữ liệu được trích xuất của chúng tôi sẽ nằm trong tệp có tên dumped-data.ext . Chúng ta hãy xem nó lớn như thế nào:
ls -l dumped-data.ext
-rw-r--r-- 1 kurtpfeifle staff 1581435 Apr 11 00:29 dumped-data.ext
Hãy nhìn xem, nó là 1.581.435 Byte. Chúng ta đã thấy con số này trong đầu ra của lệnh trước đó. Mở tệp này bằng trình soạn thảo văn bản xác nhận rằng nội dung của nó là dữ liệu được mã hóa hex ASCII.
Mở tệp bằng một công cụ đọc phông chữ như otfinfo(đây là một phần của lcdf-typetoolsgói ) sẽ dẫn đến một số thất vọng lúc đầu:
otfinfo -i dumped-data.ext
otfinfo: dumped-data.ext: not an OpenType font (bad magic number)
OK, điều này là do chúng tôi chưa (chưa) pdf-parser.pysử dụng phép thuật đầy đủ của nó: để đổ một luồng được giải mã, được lọc. Đối với điều này, chúng ta phải thêm -ftham số:
pdf-parser.py -o 15 -f -d dumped-data-decoded.ext big1.pdf
Kích thước của tập tin mới này là bao nhiêu?
ls -l dumped-data-decoded.ext
-rw-r--r-- 1 kurtpfeifle staff 778552 Apr 11 00:39 dumped-data-decoded.ext
Ồ, nhìn kìa: con số chính xác đó cũng đã được lưu trong đối tượng PDF. 15 từ điển làm giá trị cho khóa /Length1...
Nó filenghĩ gì về nó?
file dumped-data-decoded.ext
dumped-data-decoded.ext: TrueType font data
Điều gì otfinfocho chúng ta biết về nó?
otfinfo -i dumped-data-decoded.ext
Family: Arial
Subfamily: Regular
Full name: Arial
PostScript name: ArialMT
Version: Version 5.10
Unique ID: Monotype:Arial Regular:Version 5.10 (Microsoft)
Designer: Monotype Type Drawing Office - Robin Nicholas, Patricia Saunders 1982
Manufacturer: The Monotype Corporation
Trademark: Arial is a trademark of The Monotype Corporation.
Copyright: © 2011 The Monotype Corporation. All Rights Reserved.
License Description: You may use this font to display and print content as permitted by
the license terms for the product in which this font is included.
You may only (i) embed this font in content as permitted by the
embedding restrictions included in this font; and (ii) temporarily
download this font to a printer or other output device to help
print content.
Vendor ID: TMC
Vì vậy, Bingo!, Chúng tôi có một người chiến thắng: pdf-parser.pythực sự đã trích xuất một tệp phông chữ hợp lệ cho chúng tôi. Với kích thước của tệp này (778.552 Byte), có vẻ như phông chữ này đã được nhúng thậm chí hoàn toàn trong tệp PDF ...
Chúng ta có thể đổi tên nó thành arial-normal.ttf và cài đặt nó như vậy và vui vẻ sử dụng nó.
Trong mọi trường hợp, bạn cần phải tuân theo giấy phép áp dụng cho phông chữ. Một số giấy phép phông chữ không cho phép sử dụng và / hoặc phân phối miễn phí. Phông chữ vi phạm giống như vi phạm bản quyền bất kỳ phần mềm hoặc tài liệu có bản quyền khác.
Hầu hết các tệp PDF ngoài tự nhiên không nhúng phông chữ đầy đủ mà chỉ có các tập hợp con. Trích xuất một tập hợp con của một phông chữ chỉ hữu ích trong một phạm vi rất hạn chế, nếu có.
Ngoài ra, vui lòng đọc phần sau về Ưu và (thêm) Nhược điểm liên quan đến nỗ lực trích xuất phông chữ:
mupdf. Cũng xem điều này ...
Sử dụng dịch vụ trực tuyến http://www.extractpdf.com . Không cần cài đặt gì cả.
~/.fonts, và bản sao và dán đang hoạt động!
Cuối cùng đã tìm thấy gói trình cài đặt Windows FontForge và mở tệp PDF thông qua chương trình đã cài đặt. Làm việc một điều trị, rất hạnh phúc.
http://www.verypdf.com/app/pdf-font-extractor/pdf-font-extracting-tool.html IMO cách dễ nhất để trích xuất phông chữ (Windows).
Mặc dù câu hỏi này đã được 10 năm nhưng nó vẫn có giá trị và vì công nghệ thay đổi nên câu trả lời hợp lệ.
Khi tìm kiếm các câu trả lời hiện tại nhận thấy không ai trong số họ lưu ý WOFF (Định dạng phông chữ mở Web) ( W3C ) ( Wikipedia ) có thể được sử dụng để tạo lại các ký tự riêng lẻ (glyphs) và hiển thị chúng chính xác trong một trang web.
Sử dụng trang web trực tuyến miễn phí của IDR Solutions, PDF sang HTML5 ( liên kết ), chuyển đổi PDF thành tệp zip. Trong zip kết quả sẽ là một thư mục phông chữ của các loại tệp woff. Các trình duyệt Internet hiện tại hỗ trợ các tập tin woff nếu bạn không biết. ( tham khảo ) Chúng có thể được kiểm tra tại trang web trực tuyến FontDrop! ( liên kết ).
Các tệp WOFF có thể được chuyển đổi thành / từ OTF hoặc TTF tại WOFFer - trình chuyển đổi phông chữ WOFF
Ngoài ra, tệp zip từ PDF sang HTML5 sẽ chứa tệp HTML cho mỗi trang PDF có thể mở trong trình duyệt Internet và là một trong những bản dịch PDF chính xác và tốt nhất tôi đã tìm thấy hoặc xem.
Mặc dù tôi chỉ đang học cách sử dụng các tệp WOFF, nhưng điều này đáng để thực hiện. Thưởng thức.
PS, tôi có thể sẽ cập nhật thêm thông tin khi tôi tìm hiểu thêm về cách sử dụng các loại tệp woff, nhưng vì đây là dấu phẩy sáng tạo, vui lòng chỉnh sửa câu trả lời này nếu bạn có thứ gì đó có giá trị để vượt qua.
Is it because WOFF handles incomplete fonts better?Mình không có ý kiến. Dự đoán của bạn sẽ là tốt như của tôi. Như tôi đã lưu ý, tôi chỉ đang tìm hiểu về WOFF.
Is it because WOFF handles incomplete fonts better?dưới dạng câu hỏi SO mới và những người khác có nhiều kiến thức sẽ thấy và hy vọng cung cấp câu trả lời có ý nghĩa.
PDF2SVG phiên bản 6.0 từ PDFTron làm một công việc hợp lý. Nó tạo phông chữ OpenType ( .otf) theo mặc định. Sử dụng --preserve_fontnamesđể bảo tồn "lược đồ đặt tên phông chữ / phông chữ như thu được từ tệp nguồn."
PDF2SVG là một sản phẩm thương mại, nhưng bạn có thể tải xuống bản thực thi demo miễn phí (bao gồm hình mờ trên đầu ra SVG nhưng không hạn chế sử dụng). Có thể có các sản phẩm PDFTron khác cũng trích xuất phông chữ, nhưng tôi chỉ mới phát hiện ra PDF2SVG gần đây.
--preserve_fontnames, không hoạt động nếu bạn có các phông chữ chồng chéo, một phần - dường như không bao gồm tiền tố, ví dụ: MSCIYGin MSCIYG+Ge'ez-1, vì vậy sẽ ghi đè lên các phần trước.
Một trong những công cụ trực tuyến tốt nhất hiện có để trích xuất phông chữ pdf là http://www.pdfconvertonline.com/extract-pdf-fonts-online.html
Đây là phần tiếp theo của font-forgephần câu trả lời của @Kurt Pfeifle , dành riêng cho Red Hat (và có thể các bản phân phối Linux khác).
Khi bạn có tệp TTF, bạn có thể cài đặt nó trên hệ thống của mình bằng cách
/usr/share/fonts(như root)fc-cache -f /usr/share/fonts/(với quyền root)