pdf - 使用 utf-8 字符在 PHP 中将 FDF / XFDF 表单展平为 PDF

Question

我的场景：

带有表单域的 PDF 模板：template.pdf
包含要填写的数据的 XFDF 文件：fieldData.xfdf

现在我需要将这些文件合并和展平。pdftk 在 php 中轻松完成这项工作：

exec("pdftk template.pdf fill_form fieldData.xfdf output flatFile.pdf flatten");

不幸的是，这不适用于完整的 utf-8 支持。例如：西里尔字母和希腊字母被打乱。我为此使用了 Arial，带有 unicode 字符集。

如何实现扁平化我的 unicode 文件？
是否有任何其他提供 unicode 支持的 pdf 工具？
pdftk 是否有我缺少的 unicode 开关？

编辑 1：由于这个问题已经超过 9 个月没有得到解决，我决定开始赏金。如果有赞助 pdftk 中的功能或错误修复的选项，我很乐意捐赠。

编辑 2：我不再从事这个项目了，所以我无法验证新的答案。如果有人有类似的问题，我很高兴他们能对我做出回应。

score 3 · Accepted Answer

我发现使用 Jon 的模板但使用 DomDocument 为我处理了数字编码并且效果很好。我的细微变化如下：

$xml = new DOMDocument( '1.0', 'UTF-8' );

$rootNode = $xml->createElement( 'xfdf' );
$rootNode->setAttribute( 'xmlns', 'http://ns.adobe.com/xfdf/' );
$rootNode->setAttribute( 'xml:space', 'preserve' );
$xml->appendChild( $rootNode );

$fieldsNode = $xml->createElement( 'fields' );
$rootNode->appendChild( $fieldsNode );

foreach ( $fields as $field => $value )
{
    $fieldNode = $xml->createElement( 'field' );
    $fieldNode->setAttribute( 'name', $field );
    $fieldsNode->appendChild( $fieldNode );

    $valueNode = $xml->createElement( 'value' );
    $valueNode->appendChild( $xml->createTextNode( $value ) );
    $fieldNode->appendChild( $valueNode );
}

$xml->save( $file );

score 1 · Accepted Answer

在 Win7 机器上使用 pdftk 1.44 我遇到了与 xfdf 文件相同的问题，而 fdf 工作正常。我制作了一个没有任何特殊字符（只有 ANSI）的 xfdf 文件，但 pdftk 再次崩溃。我给开发者发了邮件。不幸的是，直到现在没有答案。

score 1 · Accepted Answer

不幸的是，UTF-8 字符编码不适用于源 .xfdf 文件中非 ASCII 字符的十进制或十六进制引用。PDFTK 诉 1.44。

score 1 · Accepted Answer

我在这方面取得了一些进展。从http://koivi.com/fill-pdf-form-fields/的代码开始，我修改了值编码以输出 ascii 范围之外的任何字符的数字代码。

现在使用pitulski的特殊字符串：

Poznań Śródmieście Ćwiartka ÓsmaPozna ródmiecie wiartka Ósma叠加了一些盒子形状的输出

ęóąśłżźćńĘÓĄŚŁŻŹĆŃ输出óÓ具有更多盒子形状。我认为可能是盒子形状是我的服务器无法识别的字符。

我尝试了一些法语字符：ùûüÿ€’“”«»àâæçéèêëïôœÙÛÜŸÀÂÆÇÉÈÊËÏÎÔ它们都出来了，但其中一些是重叠的。

--edit-- 我只是尝试将这些手动输入表单并得到相同的结果减去框形状（使用 Evince）。然后我尝试使用不同的表单（由其他人创建） - 输入后ęóąśłżźćńĘÓĄŚŁŻŹĆŃ，ółÓŁ显示。看起来这取决于文档的嵌入字体中包含哪些字符。

/*
KOIVI HTML Form to FDF Parser for PHP (C) 2004 Justin Koivisto
Version 1.2.?
Last Modified: 2013/01/17 - Jon Hulka(jon dot hulka at gmail dot com)
  - changed character encoding, all non-ascii characters get encoded as numeric character references

    This library is free software; you can redistribute it and/or modify it
    under the terms of the GNU Lesser General Public License as published by
    the Free Software Foundation; either version 2.1 of the License, or (at
    your option) any later version.

    This library is distributed in the hope that it will be useful, but
    WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY
    or FITNESS FOR A PARTICULAR PURPOSE. See the GNU Lesser General Public
    License for more details.

    You should have received a copy of the GNU Lesser General Public License
    along with this library; if not, write to the Free Software Foundation,
    Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA 

    Full license agreement notice can be found in the LICENSE file contained
    within this distribution package.

    Justin Koivisto
    justin dot koivisto at gmail dot com
    http://koivi.com
*/

/**
 * createXFDF
 * 
 * Tales values passed via associative array and generates XFDF file format
 * with that data for the pdf address sullpiled.
 * 
 * @param string $file The pdf file - url or file path accepted
 * @param array $info data to use in key/value pairs no more than 2 dimensions
 * @param string $enc default UTF-8, match server output: default_charset in php.ini
 * @return string The XFDF data for acrobat reader to use in the pdf form file
 */
function createXFDF($file,$info,$enc='UTF-8'){
    $data=
'<?xml version="1.0" encoding="'.$enc.'"?>
<xfdf xmlns="http://ns.adobe.com/xfdf/" xml:space="preserve">
    <fields>';
    foreach($info as $field => $val){
        $data.='
        <field name="'.$field.'">';
        if(is_array($val)){
            foreach($val as $opt)
//2013.01.17 - Jon Hulka - all non-ascii characters get character references
            $data.='
            <value>'.mb_encode_numericentity(htmlspecialchars($opt),array(0x0080, 0xffff, 0, 0xffff), 'UTF-8').'</value>';
//                $data.='<value>'.htmlentities($opt,ENT_COMPAT,$enc).'</value>'."\n";
        }else{
            $data.='
            <value>'.mb_encode_numericentity(htmlspecialchars($val),array(0x0080, 0xffff, 0, 0xffff), 'UTF-8').'</value>';
//            $data.='<value>'.htmlentities($val,ENT_COMPAT,$enc).'</value>'."\n";
        }
        $data.='
        </field>';
    }
    $data.='
    </fields>
    <ids original="'.md5($file).'" modified="'.time().'" />
    <f href="'.$file.'" />
</xfdf>';
    return $data;
}

score 1 · Accepted Answer

您可以尝试http://www.adobe.com/products/livecycle/designer/的试用版并查看它生成的 PDF 文件。

您可以尝试的另一个商业软件是http://www.appligent.com/fdfmerge。请参阅http://146.145.110.1/docs/userguide/FDFMergeUserGuide.pdf中的第 16 页，了解它如何使用 UTF-8 处理 xFDF。

我还查看了 FDF 规范http://partners.adobe.com/public/developer/en/xml/xfdf_2.0.pdf 在第 12 页上它指出：

Although XFDF is encoded in UTF-8, double byte characters are encoded as character references when 
exported from Acrobat. 
For example, the Japanese double byte characters ,  , and  are exported to XFDF using 
three character references. Here is an example of double byte characters in a form field: 
  ...
<fields>  
  <field name="Text1"> 
     <value>Here are 3 UTF-8 double byte  
        characters: &#x3042;&#x3044;&#x3046;
</value>  
  </field>  
</fields> ...

我浏览了 pdftk-1.44-dist/java/com/lowagie/text/pdf/XfdfReader.java。它似乎没有对输入做任何特别的事情。

当您将奇怪的字符编码为 xFDF 输入中的字符引用时，也许 pdftk 会做您想做的事情。

score 1 · Accepted Answer

虽然 pdftk 在 FDF 文件中似乎不支持 UTF-8，但我发现使用

iconv -f utf-8 -t ISO_8859-1

在将该 FDF 文件转换为 ISO-Latin-1 的管道中，那么至少在 Latin-1 代码页中的那些字符仍将被正确表示。

score 0 · Accepted Answer

PDFTK 的版本是什么？我用波兰语字符（utf-8）尝试了同样的事情。

对我不起作用。

pdftk.exe、libiconv2.dll 来自：http ://www.pdflabs.com/docs/install-pdftk/

Windows 7、cmd、file.pdf + file.fdf -> new.pdf

pdftk file.pdf fill_form file.xfdf 输出 new.pdf 展平

Unhandled Java Exception:
java.lang.NoClassDefFoundError: gnu.gcj.convert.Input_UTF8 not found in [file:.\, core:/]
   at 0x005a3abe (Unknown Source)
   at 0x005a3fb2 (Unknown Source)
   at 0x006119f4 (Unknown Source)
   at 0x00649ee4 (Unknown Source)
   at 0x005b4c44 (Unknown Source)
   at 0x005470a9 (Unknown Source)
   at 0x00549c52 (Unknown Source)
   at 0x0059d348 (Unknown Source)
   at 0x007323c9 (Unknown Source)
   at 0x0054715a (Unknown Source)
   at 0x00562349 (Unknown Source)

但是，对于具有相同内容的 FDF 文件，它可以正常工作。但是 new.PDF 中的字符很糟糕。

pdftk file.pdf fill_form file.fdf 输出 new.pdf 展平

---FDF---

%FDF-1.2
%âãÏÓ
1 0 obj<</FDF<</F(file.pdf)
/Fields[
<</T(Miejsce)/V(666 Poznań Śródmieście Ćwiartka Ósma)>>
<</T(Nr)/V(ęóąśłżźćńĘÓĄŚŁŻŹĆŃ)>>
]>>>>
endobj
trailer
<</Root 1 0 R>>
%%EOF

---XFDF---

<?xml version="1.0" encoding="UTF-8"?>
<xfdf xmlns="http://ns.adobe.com/xfdf/" xml:space="preserve">
<f href="file.pdf"/>
<fields>
<field name="Miejsce">
<value>666 Poznań Śródmieście Ćwiartka Ósma</value>
</field>
<field name="Nr">
<value>ęóąśłżźćńĘÓĄŚŁŻŹĆŃ</value>
</field>
</fields>
</xfdf>

---PDF---

Miejsce: 666 PoznaÅ— ÅırÃ³dmieÅłcie Äƒwiartka Ãfisma
Nr: ÄŽÃ³Ä–ÅłÅ‡Å¼ÅºÄ⁄Å—ÄŸÃfiÄ—ÅıÅ†Å»Å¹ÄƒÅ

score 0 · Accepted Answer

pdftk 工具有一个替代品

麦克PDF：https ://github.com/m-click/mcpdf

这解决了填写表格时的 unicode 问题。适用于我的 CP1250 字符（中欧）。

从项目页面：

以下命令将 DATA.xfdf 中的表单数据填充到 FORM.pdf 中，并将结果写入 RESULT.pdf。它还会展平文档以防止进一步编辑：

java -jar mcpdf.jar FORM.pdf fill_form - output - flatten < DATA.xfdf > RESULT.pdf

这完全对应于通常的 PDFtk 命令：

pdftk FORM.pdf fill_form - output - flatten < DATA.xfdf > RESULT.pdf

请注意，您需要安装 JRE。

score 0 · Accepted Answer

0

您可以通过使用 \ddd 以八进制提供其 unicode 代码来引入 utf-8 字符

于 2013-11-27T11:50:02.697 回答

score 0 · Accepted Answer

为了解决这个问题，我写了 PdfFormFillerUTF-8：http: //sourceforge.net/projects/pdfformfiller2/

score 0 · Accepted Answer

这个问题我解决了很久，终于找到了解决办法！

那么，让我们开始吧。

下载并安装最新版本的pdftk

# PDFTK
RUN apk add openjdk8 \
    && cd /tmp \
    && wget https://gitlab.com/pdftk-java/pdftk/-/jobs/1507074845/artifacts/raw/build/libs/pdftk-all.jar \
    && mv pdftk-all.jar pdftk.jar \
    && echo '#!/usr/bin/env bash' > pdftk \
    && echo 'java -jar "$0.jar" "$@"' >> pdftk \
    && chmod 775 pdftk* \
    && mv pdftk* /usr/local/bin \
    && pdftk -version

在 Adobe Acrobat Reader 中打开您的 PDF 表单并查看字段选项，您需要检测字体，例如Helvetica，下载此字体。
flatten用选项填写表格

/usr/local/bin/pdftk A=form.pdf fill_form xfdf.xml output out.pdf drop_xfa need_appearances flatten replacement_font /path/to/font/HelveticaRegular.ttf

xfdf.xml 示例：

<?xml version="1.0" encoding="UTF-8"?>
<xfdf xmlns="http://ns.adobe.com/xfdf/" xml:space="preserve">
    <fields>
        <field name="Check Box 136">
            <value>Your value | Значение (Cyrillic)</value>
        </field>
    </fields>
</xfdf>

享受：）

score 0 · Accepted Answer

我设法通过创建一个带有 utf-8 编码的 xfdf 文件使它与 pdftk 一起工作。

尝试了几次，但使它正常工作的是添加“need_appearances”

这是一个例子：

pdftk source.pdf fill_form data.xfdf output output.pdf need_appearances

score -2 · Accepted Answer

pdftk 支持 UTF-16BE 编码。从 UTF-8 转换为 UTF-16BE 并不难。

请参阅：使用 PDFTk 填充 PDF 时出现奇怪的字符

pdf - 使用 utf-8 字符在 PHP 中将 FDF / XFDF 表单展平为 PDF

13 回答 13

Related

Reference