Quando um PDF não embute uma fonte, o componente HotPDF renderiza esse texto com uma fonte do Windows instalada escolhida pelo HPDFMapBaseFontToSystem: ele decodifica o nome de /BaseFont, corta a parte de estilo, tenta várias grafias até o GDI confirmar que a família está instalada, mede larguras ausentes do standard 14 em fontes metricamente compatíveis, e converte códigos de um byte para Unicode antes de desenhar. Cada um desses passos existe porque a abordagem óbvia falha em arquivos reais. O page renderer RenderLoadedPageToBitmap lida bem com programas embutidos; esta é a história das fontes que não estão no arquivo de forma nenhuma
Por que o GDI desenha silenciosamente o typeface errado para uma fonte não embutida?
O GDI nunca reporta fonte ausente: entregue ao CreateFontIndirect um nome de face que ele não conhece e ele silenciosamente seleciona um substituto, frequentemente uma serifa diferente sem peso bold. Passe o nome do PDF quase verbatim e TimesNewRoman,Bold, TimesNewRomanPS-BoldMT e SegoeUI-Semibold não casam com nada e saem em qualquer coisa que o GDI escolher. Nomes podem ser piores que isso. A ISO 32000-1 §7.3.5 deixa um nome gravar qualquer byte como #xx, e produtores CJK rotineiramente soletram nomes de fonte como UTF-8 escapado ou bytes de code page legado; um mapper que pula o passo de decodificação pede ao GDI uma face com o nome dos próprios escapes. O HPDFMapBaseFontToSystem decodifica os escapes primeiro, retorna uma sequência de bytes UTF-8 válida como os caracteres dele, e lê quaisquer outros bytes altos no code page do sistema
Cortar o estilo é onde as heurísticas mordem. Uma vírgula sempre encerra a família (Arial,Bold dá Arial), mas um hífen só encerra quando a palavra depois dele é um estilo: Bold, Italic, Oblique, Regular, Roman, Medium, Light, Black, Heavy, Semi, Demi, Thin, Extra, Ultra ou Condensed. Essa regra mantém o MS-Mincho inteiro enquanto transforma Calibri-Light em Calibri. O HotPDF então tenta grafias da família, seguidas de grafias da família com um sufixo PSMT, MT ou PS removido. Essas grafias cobrem toda escolha de espaços nos lugares onde uma palavra pode começar: antes de uma maiúscula que segue uma minúscula (MyriadPro vira Myriad Pro), na última maiúscula de um run que uma minúscula segue (UIGothic), e depois de um MS inicial (MSPGothic), da forma totalmente espaçada até o nome como escrito; passados quatro desses lugares só a forma totalmente espaçada e o nome unido são tentados. Espaçamento não pode ser aplicado às cegas, porque o Windows mantém algumas palavras unidas: SimSun está instalado exatamente com essa grafia, enquanto MicrosoftYaHei, MicrosoftJhengHei e MSPGothic pertencem a Microsoft YaHei, Microsoft JhengHei e MS PGothic. Um mapper que põe um espaço antes de toda maiúscula interna busca MicrosoftYaHei como Microsoft Ya Hei e nunca encontra. Um candidato conta como instalado quando CreateFontIndirect seguido de GetTextFace retorna o nome que foi pedido, ou quando a tabela de name da fonte selecionada o lista como família, nome de família completo ou tipográfico em qualquer língua; a resposta é cacheada por nome, então documentos com muitas fontes não instaladas não sondam o Windows por cada nome em toda página
Como a função de mapeamento é pública na unit HPDFRenderFontMetrics, um relatório de preflight pode mostrar com qual família instalada cada fonte não embutida vai renderizar, usando a enumeração de fontes que o THotPDF já expõe para documentos carregados:
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;
Como o HotPDF mede fontes do standard 14 que não têm /Widths?
O HotPDF mede os advances ausentes na fonte instalada com as mesmas métricas, porque a ISO 32000-1 §9.6.2.2 permite às fontes do standard 14 omitir /Widths e a biblioteca não traz tabelas AFM. Arial carrega métricas de Helvetica, Times New Roman carrega Times e Courier New carrega Courier, então o HPDFMeasureBaseFontWidths cria a face correspondente em lfHeight = -1000 e chama GetCharWidth32W; nessa altura o resultado já está nas unidades de 1/1000 em que as larguras de PDF usam. O renderer primeiro transforma cada código em Unicode por /Encoding, /BaseEncoding e /Differences, com default StandardEncoding. Export SVG e extração de texto compartilham uma armadilha a mais: uma fonte Type 1 standard sem /Encoding nenhum ainda tem uma StandardEncoding implícita, e um decoder construído sem ela não carrega informação de encoding nenhuma, então toda largura medida fica sem uso. O HotPDF fornece a StandardEncoding implícita e a marca como encoding predefinido; roteá-la pelo caminho de nome de CMap em vez disso decodificaria todo código como 0, e toda largura seguiria o erro
Bold, itálico e as flags de font descriptor baseadas em um
A entrada /Flags de um font descriptor numera os bits dela a partir de 1, não de 0, então ForceBold é o bit 19 ($40000) e Italic é o bit 7 ($40), pela ISO 32000-1 Tabela 123. O erro por um é fácil de cometer: conte do zero e $20000 parece ForceBold, mas é o bit 18, SmallCap, e um teste de peso nele renderiza toda face de small caps em bold. A armadilha também se esconde bem, porque o /FontDescriptor quase sempre é uma referência indireta: código que lê só objetos diretos nunca chega ao ramo de flags de forma alguma, e a mesma cegueira ignora /Widths 12 0 R e compõe texto num advance de fallback. Resolver referências indiretas e fixar as constantes de bit na Tabela 123 andam juntos:
const
// A ISO 32000-1 Tabela 123 conta posições de bit a partir de 1
FD_ITALIC = $00040; // bit 7
FD_SMALLCAP = $20000; // bit 18, não é 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;
Por que fontes CJK com um CMap UCS2 recebem as larguras erradas?
Texto CJK com um CMap UCS2 predefinido desenha os glyphs certos mas o espaçamento errado quando um renderer trata o código como o CID, porque o /W é indexado por CID, não por código de caractere. Com STSong-Light e UniGB-UCS2-H, o código por acaso iguala o valor Unicode, então o GDI desenha os caracteres corretos e o erro se esconde nos advances: letras minúsculas chegam como códigos 97 e acima, caem fora de uma entrada de /W como [1 95 500], e todas recebem a largura default /DW de 1000. O renderer do HotPDF lê códigos pelas faixas de codespace do CMap (ISO 32000-1 §9.7.6.2) e os mapeia para CIDs antes de buscar larguras. Ele trabalha a partir das tabelas UCS2 e UTF16 embutidas e de streams de CMap embutidos; uma aproximação de identidade para algo como GBK-EUC-H apenas pareceria suportada enquanto produzisse saída errada, então ela deliberadamente não é usada
Por que caracteres acentuados viram pontos de interrogação no Windows chinês?
Códigos de um byte jamais devem chegar às funções ANSI ("A") do GDI, porque GetGlyphOutlineA e GetGlyphIndicesA interpretam bytes no code page do sistema enquanto o TextOutA usa o character set da fonte selecionada. Num sistema chinês, o byte $A9 do Arial (o símbolo de copyright no Windows-1252) vira um lead byte GBK e renderiza como "?", e qualquer caminho de outline que chame as funções A cai direto nisso. O HotPDF pergunta à fonte realizada qual o character set dela com GetTextCharset, converte isso para um code page por TranslateCharsetInfo, passa o byte pelo MultiByteToWideChar e chama as funções W; fontes de símbolos usam U+F000 mais o código em vez disso. Encodings que discordam do Windows-1252 — /Differences, StandardEncoding, MacRomanEncoding — são mapeados para Unicode antes de qualquer fonte do sistema vê-los
Quais são os limites de desenhar com fontes do sistema?
Renderização com fontes do sistema é uma aproximação por natureza, e o Windows localizado adiciona uma volta: o GetTextFace reporta o nome de família na língua do sistema, então uma comparação de nome só julgaria Microsoft YaHei no Windows chinês ou Yu Mincho no Windows japonês como ausente. É por isso que uma face que volta com outro nome também é buscada na tabela de name da fonte. Compatibilidade métrica existe para as famílias Helvetica, Times e Courier; Symbol mapeia para Symbol e ZapfDingbats para Wingdings, que é um paliativo em vez de um match. O preflight acima percorre o dicionário /Resources de cada página, então fontes referenciadas só de dentro de form XObjects precisam de uma passada própria. Quando um código ainda não pode ser desenhado, o rastreamento de glyphs não resolvidos na hora do desenho o reporta, que é um sinal melhor do que ficar olhando thumbnails
A resposta duradoura fica no lado de autoria. O próprio HotPDF grava com FontEmbedding definido como True por default, substituindo um Arial embutido mesmo quando o código chama SetFont com Helvetica, e texto embutido passa pelo renderer de glyphs de fonte embutida em vez de qualquer um dos chutes acima. Uma guarda barata para arquivos que chegam é avisar antes de renderizar quando uma família mapeada não está na lista de fontes de tela:
// VCL: Screen.Fonts lista nomes de família instalados (unit Forms)
function MissingSystemFamily(const BaseFont: AnsiString): Boolean;
begin
Result := Screen.Fonts.IndexOf(HPDFMapBaseFontToSystem(BaseFont)) < 0;
end;
Para o componente completo, incluindo renderização de páginas, extração de texto e font subsetting no lado da escrita, veja a página de produto do HotPDF Delphi PDF component