Articolo tecnico

Font PDF non incorporati e font di sistema in Delphi

Quando un PDF non incorpora un font, il componente HotPDF renderizza quel testo con un font Windows installato scelto da HPDFMapBaseFontToSystem: decodifica il nome /BaseFont, toglie la parte di stile, prova diverse grafie finché GDI conferma che la famiglia è installata, misura le larghezze standard 14 mancanti da font metricamente compatibili, e converte i codici a byte singolo in Unicode prima di disegnare. Ognuno di questi passi esiste perché l'approccio ovvio fallisce su file reali. Il renderer di pagine RenderLoadedPageToBitmap se la cava bene con i programmi incorporati; questa è la storia dei font che nel file non ci sono affatto

Perché GDI disegna in silenzio il typeface sbagliato per un font non incorporato?

GDI non riporta mai un font mancante: passate a CreateFontIndirect un nome di carattere che non conosce e seleziona tranquillamente un sostituto, spesso un altro serif senza peso bold. Passate il nome PDF quasi verbatim e TimesNewRoman,Bold, TimesNewRomanPS-BoldMT e SegoeUI-Semibold non fanno match con niente e escono in qualunque cosa GDI scelga. I nomi possono essere peggio. ISO 32000-1 §7.3.5 consente a un nome di scrivere qualsiasi byte come #xx, e i producer CJK spellano di routine i nomi dei font come byte UTF-8 escapati o di code page legacy; un mapper che salta il passo di decodifica chiede a GDI un carattere col nome degli escape stessi. HPDFMapBaseFontToSystem decodifica prima gli escape, restituisce una sequenza di byte UTF-8 valida come suoi caratteri, e legge gli altri byte alti nella code page di sistema

Tagliare lo stile è dove le euristiche mordono. Una virgola chiude sempre la famiglia (Arial,Bold dà Arial), ma un trattino lo fa solo quando la parola dopo è uno stile: Bold, Italic, Oblique, Regular, Roman, Medium, Light, Black, Heavy, Semi, Demi, Thin, Extra, Ultra o Condensed. Quella regola tiene MS-Mincho intero mentre trasforma Calibri-Light in Calibri. HotPDF poi prova le grafie della famiglia, seguite dalle grafie della famiglia con un suffisso PSMT, MT o PS tolto. Quelle grafie coprono ogni scelta di spazi nei punti in cui una parola può iniziare: prima di una maiuscola che segue una minuscola (MyriadPro diventa Myriad Pro), all'ultima maiuscola di una corsa seguita da una minuscola (UIGothic), e dopo una MS iniziale (MSPGothic), dalla forma completamente spaziata fino al nome così com'è scritto; oltre quattro di questi punti si provano solo la forma completamente spaziata e il nome unito. La spaziatura non può essere applicata alla cieca, perché Windows tiene alcune parole unite: SimSun è installato con esattamente quella grafia, mentre MicrosoftYaHei, MicrosoftJhengHei e MSPGothic appartengono a Microsoft YaHei, Microsoft JhengHei e MS PGothic. Un mapper che mette uno spazio prima di ogni maiuscola interna cerca MicrosoftYaHei come Microsoft Ya Hei e non lo trova mai. Un candidato conta come installato quando CreateFontIndirect seguito da GetTextFace restituisce il nome richiesto, o quando la tabella name del font selezionato lo elenca come family, full o typographic family name in qualsiasi lingua; la risposta viene messa in cache per nome, quindi i documenti con molti font non installati non interrogano Windows per ogni nome a ogni pagina

La pipeline HotPDF che renderizza i font PDF non incorporati con font di sistema in Delphi: HPDFMapBaseFontToSystem decodifica i byte escapati #xx nel nome /BaseFont, toglie i suffissi di stile Bold, Italic e Light tenendo MS-Mincho intero, costruisce grafie candidate come Myriad Pro e Microsoft YaHei, e ne accetta una solo quando GetTextFace o la tabella dei nomi del font conferma il nome installato
GDI non riporta mai un font mancante, sostituisce in silenzio — la mappatura prova i candidati in ordine e si fida solo di un nome che GDI restituisce o che la tabella dei nomi del font selezionato elenca

Dato che la funzione di mappatura è pubblica nell'unità HPDFRenderFontMetrics, un report di preflight può mostrare con quale famiglia installata renderizzerà ogni font non incorporato, usando l'enumerazione dei font che THotPDF espone già per i documenti caricati:

uses
  HPDFDoc, HPDFRenderFontMetrics;

procedure ListSystemFontMappings(Pdf: THotPDF; Log: TStrings);
var
  Page, I: Integer;
  Info: THPDFLoadedFontInfo;
begin
  for Page := 0 to Pdf.LoadedPageCount - 1 do
    for I := 0 to Pdf.GetLoadedFontCount(Page) - 1 do
      if Pdf.GetLoadedFontInfo(Page, I, Info) and not Info.IsEmbedded then
        Log.Add(Format('page %d  /%s  %s -> %s',
          [Page + 1, string(Info.ResourceName), string(Info.FontName),
           HPDFMapBaseFontToSystem(Info.FontName)]));
end;

Come misura HotPDF i font standard 14 senza /Widths?

HotPDF misura gli avanzamenti mancanti sul font installato con le stesse metriche, perché ISO 32000-1 §9.6.2.2 consente ai font standard 14 di omettere /Widths e la libreria non spedisce tabelle AFM. Arial porta le metriche di Helvetica, Times New Roman porta Times e Courier New porta Courier, quindi HPDFMeasureBaseFontWidths crea il carattere corrispondente a lfHeight = -1000 e chiama GetCharWidth32W; a quell'altezza il risultato è già nelle unità 1/1000 em che le larghezze PDF usano. Il renderer prima converte ogni codice in Unicode attraverso /Encoding, /BaseEncoding e /Differences, con default StandardEncoding. Export SVG ed estrazione del testo condividono un'altra trappola: un font Type 1 standard senza alcun /Encoding ha comunque una StandardEncoding implicita, e un decoder costruito senza di essa non porta informazioni di codifica, quindi ogni larghezza misurata va sprecata. HotPDF fornisce la StandardEncoding implicita e la marca come codifica predefinita; instradarla lungo il percorso dei nomi CMap decodificherebbe invece ogni codice come 0, e ogni larghezza seguirebbe

Bold, italic e i flag del font descriptor numerati da uno

La voce /Flags di un font descriptor numera i propri bit da 1, non da 0, quindi ForceBold è il bit 19 ($40000) e Italic è il bit 7 ($40), per ISO 32000-1 Tabella 123. L'off-by-one è facile da fare: contate da zero e $20000 sembra ForceBold, ma è il bit 18, SmallCap, e un test di peso su di esso renderizza ogni carattere maiuscoletto in bold. La trappola si nasconde anche bene, perché /FontDescriptor è quasi sempre un riferimento indiretto: il codice che legge solo oggetti diretti non raggiunge mai affatto il ramo dei flag, e la stessa cecità ignora /Widths 12 0 R e compone il testo a un avanzamento di ripiego. Risolvere i riferimenti indiretti e fissare le costanti dei bit alla Tabella 123 vanno insieme:

const
  // ISO 32000-1 Tabella 123 conta le posizioni dei bit da 1
  FD_ITALIC     = $00040;  // bit 7
  FD_SMALLCAP   = $20000;  // bit 18, non un peso
  FD_FORCEBOLD  = $40000;  // bit 19

procedure ApplyDescriptorFlags(Flags: Integer; var LF: TLogFont);
begin
  if (Flags and FD_FORCEBOLD) <> 0 then
    LF.lfWeight := FW_BOLD;
  if (Flags and FD_ITALIC) <> 0 then
    LF.lfItalic := 1;
end;
Numerazione dei bit della voce /Flags del font descriptor PDF: ISO 32000-1 Tabella 123 conta dal bit 1, facendo di Italic $40 al bit 7, SmallCap $20000 al bit 18 e ForceBold $40000 al bit 19, così un test a base zero di $20000 per il bold punta in realtà a SmallCap e resta nascosto finché i riferimenti indiretti a /FontDescriptor non vengono risolti
Un ramo di flag dietro un descriptor indiretto resta codice morto finché i riferimenti non si risolvono, e poi un test di bit a base zero trasforma il testo maiuscoletto in bold

Perché i font CJK con un CMap UCS2 prendono le larghezze sbagliate?

Il testo CJK con un CMap UCS2 predefinito disegna i glyph giusti ma la spaziatura sbagliata quando un renderer tratta il codice come il CID, perché /W è indicizzata per CID, non per codice carattere. Con STSong-Light e UniGB-UCS2-H, il codice per caso eguaglia il valore Unicode, quindi GDI disegna i caratteri corretti e l'errore si nasconde negli avanzamenti: le lettere minuscole arrivano come codici 97 e oltre, cadono fuori da una voce /W come [1 95 500], e prendono tutte la larghezza di default /DW di 1000. Il renderer HotPDF legge i codici attraverso gli intervalli codespace del CMap (ISO 32000-1 §9.7.6.2) e li mappa in CID prima di cercare le larghezze. Lavora dalle tabelle UCS2 e UTF16 integrate e dagli stream CMap incorporati; un'approssimazione identity per qualcosa come GBK-EUC-H sembrerebbe soltanto supportata mentre produce output sbagliato, quindi non viene usata deliberatamente

Perché il testo CJK con un CMap UCS2 può disegnare i glyph giusti agli avanzamenti sbagliati: /W è indicizzata per CID mentre i codici sono valori Unicode, quindi con STSong-Light e UniGB-UCS2-H i codici minuscoli 97 e oltre mancano la voce /W [1 95 500] e prendono il default /DW, evitato da HotPDF mappando i codici in CID attraverso gli intervalli codespace del CMap
L'errore si nasconde perché qui il codice eguaglia il Unicode — i glyph sembrano giusti mentre ogni avanzamento va in default in silenzio, quindi giudicate il rendering CJK dalla spaziatura, non dalle forme

Perché i caratteri accentati diventano punti interrogativi su Windows cinese?

I codici a byte singolo non devono mai arrivare alle funzioni GDI ANSI («A»), perché GetGlyphOutlineA e GetGlyphIndicesA interpretano i byte nella code page di sistema mentre TextOutA usa il set di caratteri del font selezionato. Su un sistema cinese, il byte $A9 di Arial (il simbolo del copyright in Windows-1252) diventa un byte iniziale GBK e si renderizza come «?», e qualsiasi percorso outline che chiama le funzioni A ci cade dritto dentro. HotPDF chiede al font realizzato il proprio set di caratteri con GetTextCharset, lo converte in una code page attraverso TranslateCharsetInfo, passa il byte per MultiByteToWideChar e chiama le funzioni W; i font symbol usano U+F000 più il codice. Le codifiche che non sono d'accordo con Windows-1252 — /Differences, StandardEncoding, MacRomanEncoding — vengono mappate in Unicode prima che qualsiasi font di sistema le veda

Fino a dove arriva il disegno con font di sistema?

Il rendering con font di sistema è un'approssimazione per natura, e il Windows localizzato aggiunge un twist: GetTextFace riporta il nome della famiglia nella lingua di sistema, quindi un confronto sul solo nome giudicherebbe Microsoft YaHei su Windows cinese o Yu Mincho su Windows giapponese come mancanti. Per questo un carattere che torna sotto altro nome viene cercato anche nella tabella name del font. La compatibilità metrica esiste per le famiglie Helvetica, Times e Courier; Symbol mappa su Symbol e ZapfDingbats su Wingdings, che è un cerotto più che un match. Il preflight qui sopra percorre il dizionario /Resources di ogni pagina, quindi i font referenziati solo dall'interno dei form XObjects hanno bisogno di un passaggio proprio. Quando un codice ancora non si può disegnare, il tracciamento dei glyph irrisolti al momento del disegno lo segnala, che è un segnale migliore che guardare le miniature

La risposta durable sta sul lato di chi compone. HotPDF stesso scrive con FontEmbedding impostato a True per default, sostituendo un Arial incorporato anche quando il codice chiama SetFont con Helvetica, e il testo incorporato passa per il renderer dei glyph dei font incorporati invece che per una qualsiasi delle congetture qui sopra. Una guardia economica per i file in arrivo è avvisare prima del rendering quando una famiglia mappata non è nella lista dei font dello schermo:

// VCL: Screen.Fonts elenca i nomi delle famiglie installate (unità Forms)
function MissingSystemFamily(const BaseFont: AnsiString): Boolean;
begin
  Result := Screen.Fonts.IndexOf(HPDFMapBaseFontToSystem(BaseFont)) < 0;
end;

Per il componente completo, inclusi rendering di pagine, estrazione del testo e font subsetting sul lato scrittura, vedi la pagina di prodotto di HotPDF Delphi PDF component