PDF：字符代码 -> 字形名称 -> NSString

Question

在回答我之前的问题时，尝试使用CGPDF*函数从PDF文件中提取文本，具有：

CGPDFStringRef pdfString

我发现它可以转换成一个字符代码数组，如下所示：

const unsigned char *characterCodes = CGPDFStringGetBytePtr(pdfString);

现在，我试图提取的文本是用14种类型1的基本字体中的一种编写的，它没有在PDF中编码。为此，我解析了该字体的相关AFM文件，为我提供了从字符代码到字形名称的映射，其尺寸如下：

C 61 ; WX 600 ; N equal ; B 80 138 520 376 ;
C 63 ; WX 600 ; N question ; B 129 -15 492 572 ;
C 64 ; WX 600 ; N at ; B 77 -15 533 622 ;
C 65 ; WX 600 ; N A ; B 3 0 597 562 ;
C 66 ; WX 600 ; N B ; B 43 0 559 562 ;

我的问题是，知道字符代码后，说："61">我如何从它的字形名称：equal">到NSString@"=">。特别是当该字符代码被重新映射到其他字形名称时，例如：PDF的字体编码选项"question">。

以前的问题：iOS PDF解析类型1字体指标和iOS PDF到纯文本解析器

Answer 1

我还没有测试过，但在我看来，你需要使用Adobe Glyph命名约定：

Adobe Glyph命名约定的目的是支持从字形序列计算Unicode字符串。这是通过指定从字形名称到字符的映射来实现的字符串。

该页面上链接的glyphlist.txt似乎与您的问题有关
样本片段：

ε；03B5
epsilontonos；03AD
相等；003D
等于单空间；FF1D
等于small；FE66
等于上级；207C
。。。

然后，您所需要做的就是将这些unicode值放入NSString实例中。

编辑：
确认上述信息后，我在Adobe的PDF参考文档上找到了以下解释，第5.9节-文本内容提取：

如果字体是使用预定义编码之一的简单字体MacRomanEncoding、MacExpertEncoding或WinAnsiEncoding，或具有Differences数组仅包含字符名的编码取自Adobe标准拉丁字符集和符号字体中的字符(见附录D)：

1. 根据上的表D.1将字符代码映射到字符名称第996页和字体的Differences数组
2. 在Adobe Glyph列表中查找字符名称(请参阅Bibliography)以获得相应的Unicode值