技术文章

在 Delphi 中为已有的 PDF 嵌入缺失的字体以满足 PDF/A 标准

一份供应商 PDF 屏幕上完美无缺,PDF/A 校验器却只用一行拒收:00030 At least one font is not embedded。阅读器其实一直在借你机器上的字体。打开文件里的字体描述符,嵌入字体需要的东西几乎都在,连字干宽度和包围盒都有;缺的只是一个持有字体程序本身的流引用

跑过档案摄取流水线的人都熟悉它的批量版。发票、合同和扫描表单从供应商和印务局涌来,楼里每台机器渲染都正常,校验器却用同一行字一份接一份地拒。上游没人会重新生成任何东西。流水线必须修好它收到的文件——这正是本文的活儿。它的同伴篇目用预检报告检测 PDF/A 与 PDF/UA 违例告诉你哪些文件坏了;本文处理它们坏掉的最常见方式

错误 00030 到底在要什么

ISO 19005-1 §6.3.4 要求合规文件用到的每个字体都把字体程序带在文件里。道理是朴素的档案逻辑:五十年后打开的一份文档,在一台与生成它的机器毫无共用字体的机器上,必须渲染得分毫不差;而非嵌入字体只是一条指令——去当前阅读的系统上找一个叫 Arial 的东西。替身有什么字形和度量,读者就看到什么

不嵌入的习惯要追溯到 Standard 14 约定。早期 PDF 承诺每个阅读器都自带 Helvetica、Times、Courier、Symbol 和 ZapfDingbats,于是生成器学会按名引用、一律不嵌。不少工具至今如此。PDF/A 撤销了这项豁免,losLab PDF Library for Delphi 在写出侧同样执行:PDF/A 或 PDF/X 模式激活时,AddStandardFont 返回 0、不选中任何字体,因为库不捆绑 Standard 14 轮廓,也不会写出一个它拿不出程序来兑现的引用。PDF/A 模式下 Embed=0 的 AddTrueTypeFont 被提升为完整嵌入,而 Embed=2(子集)原样通过,因为子集仍是嵌入的程序

这覆盖了自己写的文件。供应商的文件更棘手,字体字典是别人的生成器写的,你没法让它再试一次。对这类文件,库提供 EmbedMissingFonts,就地把已加载文档修好——把每个缺失的程序从已安装字体拷进文档已有的描述符

为什么非嵌入字体只差一个键?

写出非嵌入 TrueType 字体的生成器仍会产出完整的 FontDescriptor:FontName、FontBBox、Flags、Ascent、Descent、StemV、CapHeight。它省掉的是持有字体程序的流——TrueType 轮廓以 /FontFile2、基于 CFF 的 CID 字体以 /FontFile3 从描述符引用。所以 EmbedMissingFonts 恰好补这一项。它读取程序字节,写成带 /Length1 条目的新 Flate 压缩流,再把引用挂到已在的描述符上

PDF Library for Delphi 图示 EmbedMissingFonts 前后的 FontDescriptor 字典:每个条目原已存在,只追加了来自已安装系统字体的缺失 FontFile2 流
EmbedMissingFonts 给一个本已完整的描述符追加一条流引用

我们认为对继承来的文件,这种就地方式是对的默认,理由是 Widths 数组。PDF 内容流里的文本位置早已固定,阅读器按原始生成器记录的宽度前进。用已安装字体重建字体字典,会用新量的宽度换掉那些宽度;只要已安装的字型与作者的哪怕差之毫厘,你就改掉了本该原样保存的文档。字典、编码、宽度和每一条内容流一概不动,页面就仍指向同样的资源名、带着同样的度量

遍历覆盖文件里的每一个 Font 字典,不只是页面资源可达的那些,所以只出现在批注外观里、或页面间共享的字体也会被捞起来。复合 Type0 字体——CJK 文本和大多数现代 Unicode 输出的那种——经其后代 CIDFont 处理。整个修复就是对已加载文档的一次调用:

var
  PDF: TPDFlib;
  Repaired: Integer;
begin
  PDF := TPDFlib.Create;
  try
    if PDF.LoadFromFile('supplier-invoice.pdf', '') <> 1 then
      raise Exception.Create('Could not load PDF');

    // 返回多少个字体拿到了程序。已嵌入的字体
    // 原样不动;没有已安装匹配项的字体被跳过,
    // 干脆不计数。
    Repaired := PDF.EmbedMissingFonts;
    Writeln(Format('%d font program(s) embedded', [Repaired]));

    PDF.SaveToFile('supplier-invoice-repaired.pdf');
  finally
    PDF.Free;
  end;
end;

已安装字体查找如何匹配名字

真实文件里的 BaseFont 名很少与 Windows 认识的家族名对上。EmbedMissingFonts 在查找前先把名字归一化:

  • 子集前缀(六个大写字母加一个加号,如 KQBWTE+Calibri)被剥掉
  • 第一个逗号或连字符之后的内容按样式读取,所以 Arial,BoldItalic 和 Arial-BoldMT 都在要粗体,Italic 或 Oblique 在要斜体
  • 结尾的 MT 和 PS 后缀被丢弃,ArialMT 解析为 Arial
  • 字型住在 TrueType Collection(.ttc)里时,表偏移被调整,让嵌入的程序成为合法的独立字体

更麻烦的是 Windows 字体映射器从不说"不"。向 GDI 要一个没安装的家族,它毫无怨言地递回一个替身字型;要一个只有常规体的家族的粗体,它在屏幕上把轮廓加粗。两种结果都会给你一个完全可加载、但根本不是那个字的字体程序。所以查找会把 GDI 实际选中的字型对照请求的家族核一遍——忽略空格和大小写——并把字型自己的粗体、斜体位对照请求的样式。任一不匹配,这个字体就被跳过

这是一个刻意的取舍。更宽松的查找会抬高每一批的修复数,而其中一些"修复"会把 Arial Regular 嵌在文档写着 Arial,Bold 的名字下。ISO 19005-1 §6.3.6 要求字体字典里的宽度与嵌入程序一致,所以一次擦边可能把 00030 换成宽度一致性错误,最坏的情况下它通过校验、渲染却与作者的本意略有出入。我们宁可报告一次跳过,也不归档一个猜测

查找经 Windows GDI 读取已安装字体。Linux 或 macOS 构建上系统路径什么也不返回,下一节的基于文件的调用就是供货的路

字体没安装时会发生什么?

返回值会告诉你。如果 EmbedMissingFonts 报告的字体数少于你知道的缺失数,差的就是机器上没有、或没有正确样式的那批。对它们,EmbedFontProgramFromFile(FontName, FileName) 从你提供的 .ttf 或 .otf 文件挂程序,让流水线带上自己预期会遇到的 corporate 字体、并在必要时刻意回落

PDF Library for Delphi 判定流程图:枚举每个字体字典,对照已安装系统归一化 BaseFont 名,用 EmbedFontProgram 嵌入找到的程序或回落到 EmbedFontProgramFromFile,并报告修复计数
名字归一化让系统查找宽容,返回计数让被跳过的字型保持可见

实战中最顺手的模式是两趟。跑 EmbedMissingFonts 并保存,然后加载结果,枚举仍未嵌入的字体,把剩下的名字逐个送到你自己的字体目录。重载这一步要紧:GetFontIsEmbedded 对枚举字体报告的嵌入标志反映的是 FindFonts 运行时的文件,所以与修复同会话枚举会拿到过期答案

function FontFileFor(const BaseFont: string): string;
begin
  // 你自己的辅助函数(不是库的一部分):把文档
  // 字体名映射到应用自带的字体文件。
  // 空结果让 EmbedFontProgramFromFile 返回 0,
  // 且不碰文件系统。
  if Pos('CorporateSans', BaseFont) > 0 then
    Result := ExtractFilePath(ParamStr(0)) + 'fonts\CorporateSans.ttf'
  else
    Result := '';
end;

procedure EmbedFromShippedFonts(const InFile, OutFile: string);
var
  PDF: TPDFlib;
  I, FontID: Integer;
  Name: string;
begin
  PDF := TPDFlib.Create;
  try
    if PDF.LoadFromFile(InFile, '') <> 1 then
      Exit;
    PDF.FindFonts;
    for I := 1 to PDF.FontCount do
    begin
      FontID := PDF.GetFontID(I);
      if (FontID > 0) and (PDF.SelectFont(FontID) = 1) and
         (PDF.GetFontIsEmbedded = 0) then
      begin
        // 名字按存储原样传入,子集前缀也在内
        Name := PDF.FontName;
        if PDF.EmbedFontProgramFromFile(Name, FontFileFor(Name)) = 0 then
          Writeln('Still not embedded: ', Name);
      end;
    end;
    PDF.SaveToFile(OutFile);
  finally
    PDF.Free;
  end;
end;

三个细节决定那个循环能否成功。按名字的调用——装字体的 EmbedFontProgram 和文件版的 EmbedFontProgramFromFile——按文档存储的 BaseFont 精确比较,作用于携带该名字的第一个 Font 字典,这正是循环直接传 PDF.FontName 而不是清洗过的家族名的原因。程序格式必须对上字体类型:TrueType 或 CIDFontType2 字体要字形轮廓 TrueType 数据,CIDFontType0 字体要 OpenType CFF 程序(以 OTTO 标签开头的那种),后者随后写成子类型为 OpenType 的 /FontFile3。把 CFF 文件塞给 TrueType 字体,调用返回 0。修复路径覆盖 TrueType 和 CID 字体;Type1 字体的 /FontFile 需要带显式长度键的三段式 PFB 布局,所以 Type1 引用被跳过、留给返回计数去标记。Standard 14 引用通常写成 Type1,预期会在那份剩余清单里见到它们

还有一个库没法替你回答的问题。TrueType 字体的嵌入权限属于它的铸字方,把授权程序写进要离开组织的文档的流水线,需要有人确认许可允许这么做。代码会嵌入你指给它的任何文件。你是否有权嵌,是法律问题

用 CreatePreflightReport 闭环

拒掉文件的审计应当是放行文件的那一个。带 ComplianceTests = 1 的 CreatePreflightReport 跑 PDF/A 检查,发现 00030 时对整个文件只报一次,所以一个漏掉的字体就能让报告留着它。对源文件跑一遍,修复、保存,再对输出跑一遍

PDF Library for Delphi:闭合的修复环——CreatePreflightReport 标出错误码 00030,EmbedMissingFonts 嵌入被点名的字体,SaveToFile 写出修复后的 PDF,第二次报告运行确认整批通过
先跑预检报告,让它驱动修复,再让同一套审计为输出背书
function HasFontEmbeddingViolation(PDF: TPDFlib;
  const FileName: string): Boolean;
var
  Report: string;
begin
  // ComplianceTests = 1 选择 PDF/A 检查
  Report := PDF.CreatePreflightReport(FileName, '', 1, 0);
  Result := Pos('00030', Report) > 0;
end;

有一个结果第一次会让人意外。字体检查无视只在文本渲染模式 3 下不可见绘制的内容——大多数 OCR 引擎就是这样把可搜索文本层铺在扫描图像上的。所以一份扫描文件可以通过 00030,而 FindFonts 仍然列出一个非嵌入字型。这与 PDF/A 对不可见文本的处理一致,也意味着按字体列表和按文件裁决在同一个文档上合法地各执一词

批处理日志要精确点名哪个文件的哪个字型仍未嵌入时,按字体列表是更好的工具:加载输出,调 FindFonts,再对每个条目 SelectFont 和 GetFontIsEmbedded。从已加载 PDF 提取文本、图像与字体一文用同一套枚举喂提取而非修复

嵌入只清掉一条发现,你自己的输出本不该需要它

嵌入字体只消掉 00030,别的都不管。在加密、缺失 XMP 元数据、没有 OutputIntent 的设备相关颜色空间、或字体缺 ToUnicode 映射上同样不合格的文件,程序全嵌进去之后照样失败,所以修复应当住在预检循环里、照着报告点名的条目干活。体积是另一笔成本。一个完整的 CJK 字体程序能到几个 MB,嵌上几个就能让一页发票比原来大好多倍;PDF 文件体积优化与字体子集化一文讲怎么把每个嵌入程序裁到页面真正用到的字形

写出侧,SetEmbedAllFonts(1) 让你自己的代码不再产出本文修复的文件。它把 PDF/A 模式用的那套提升应用到普通文档:此后任何 Embed=0 的 AddTrueTypeFont 调用都嵌入完整程序。该设置属于当前选中的文档、影响调用之后添加的字体,所以在 NewDocument 之后立刻设。我们的建议:任何可能进档案的东西都开着它,管它 PDF/A 与否——你今天创建的文件,就是日后读它的人的继承文件

PDF.NewDocument;
PDF.SetEmbedAllFonts(1);
// 从这里起 AddTrueTypeFont('Segoe UI', 0) 嵌入完整程序,
// 与 AddTrueTypeFont('Segoe UI', 1) 完全一样
PDF.AddTrueTypeFont('Segoe UI', 0);

加载-修复-保存路径、基于文件的回落和写出侧守卫,都随面向 Delphi、C# 和 VB.NET 的 losLab PDF Library 交付,连同上文用来确认结果的预检引擎;产品页文档化了其余的字体 API,包括按字体检查和子集化