我知道该pdftk.exe实用程序可以指示PDF使用了哪些字体，以及是否嵌入了这些字体。
现在的问题是：假设我有带有嵌入式字体的PDF文件-如何提取这些字体以使其可重新用作常规字体文件？是否有（最好是免费的）工具可以做到这一点？另外：可以使用iText以编程方式完成此操作吗？
您有几种选择。所有这些方法都可以在Linux以及Windows或Mac OS X上使用。但是，请注意，大多数PDF嵌入字体后，都不会包含完整的完整字体。通常，它们仅包括文档中使用的字形的子集。
pdftops在* nix系统上执行此操作的最常用方法之一包括以下步骤：
pdftops（在Windows上为pdftops.exe帮助程序）将PDF转换为PostScript 。.pfa（PostScript）格式嵌入，您可以使用文本编辑器提取它们。.pfa（ASCII）的.pfb使用（二进制）文件t1utils和pfa2pfb。.pfm或.afm嵌入文件（字体规格文件）（因为PDF查看器对此具有内部了解）。没有这些，字体文件就很难以令人愉悦的方式使用。fontforge另一种方法是使用免费字体编辑器FontForge：
查看FontForge手册。为了将提取的字体数据保存为可重复使用的文件，您可能需要遵循一些不一定很简单的特定步骤。
mupdf接下来，MuPDF。该应用程序带有一个称为pdfextract（在Windows上pdfextract.exe）的实用程序，可以从PDF提取字体和图像。（以防您不了解MuPDF，而它仍然是一个相对陌生的新知识：“ MuPDF是用便携式C编写的免费轻量级PDF查看器和工具包。”，这是由Artifex软件开发人员编写的，该公司也是为我们提供Ghostscript的公司。 ）
（更新： MuPDF的较新版本已将“ pdfextract”的先前功能移至命令“ mutool extract”。请在此处下载：mupdf.com/downloads）
注意：pdfextract.exe是一个命令行程序。要使用它，请执行以下操作：
c:\> pdfextract.exe c:\path\to\filename.pdf # (on Windows)
$> pdfextract /path/tofilename.pdf # (on Linux, Unix, Mac OS X)
此命令将从参考的pdf文件中提取所有可解压缩的文件到当前目录中。通常，您会看到各种各样的文件：图像和字体。其中包括PNG，TTF，CFF，CID等。如果图像的PDF对象号为412，则图像名称将类似于img-0412.png。如果字体的字体名称为，则字体名称将类似于FGETYK + LinLibertineI-0966.ttf。 PDF对象编号是966。
CFF（压缩字体格式）文件是一种公认的格式，可以通过各种转换器将其转换为其他格式，以用于不同的操作系统。
再次：请注意，这些字体文件中的大多数可能只包含一个字符子集，并且可能不代表完整的字体。
更新：（2013年7月）的最新版本对mupdf内部二进制文件进行了内部改组和重命名，不仅一次，而且多次。主要实用程序曾经是一个类似于“瑞士刀”的二进制文件，名为mubusy（名称受busybox启发？），最近更名为mutool。这些支持子命令info，clean，extract，poster和show。不幸的是，这些工具的官方文档尚未更新。如果您在Mac上使用“ MacPorts”：为了避免与使用相同名称的其他实用程序发生名称冲突，该实用程序已重命名。您可能需要使用mupdfextract。
要使用mutool以前的工具获得（大约）等同的结果pdfextract，只需运行mubusy extract ...。*
因此，要提取字体和图像，您可能需要运行以下命令行之一：
c:\> mutool.exe extract filename.pdf # (on Windows)
$> mutool extract filename.pdf # (on Linux, Unix, Mac OS X)
可在此处下载：mupdf.com/downloads
gs（Ghostscript）然后，Ghostscript也可以直接从PDF提取字体。但是，它需要extractFonts.ps以PostScript语言编写的名为的特殊实用程序的帮助，可以从Ghostscript源代码存储库中获得该实用程序。
现在使用它，您需要同时运行此文件extractFonts.ps和PDF文件。然后，Ghostscript将使用PostScript程序中的指令从PDF中提取字体。在Windows上看起来像这样（是的，Ghostscript理解'正斜杠'，/，在Windows上也作为路径分隔符！）：
gswin32c.exe ^
-q -dNODISPLAY ^
c:/path/to/extractFonts.ps ^
-c "(c:/path/to/your/PDFFile.pdf) extractFonts quit"
或在Linux，Unix或Mac OS X上：
gs \
-q -dNODISPLAY \
/path/to/extractFonts.ps \
-c "(/path/to/your/PDFFile.pdf) extractFonts quit"
几年前，我已经测试了Ghostscript方法。当时它确实提取* .ttf（TrueType）很好。我不知道是否还会提取其他字体类型，如果可以的话，是否可以重复使用。我不知道该实用程序是否会阻止提取标记为受保护的字体。
pdf-parser.py最后，迪迪埃·史蒂文斯（Didier Stevens）的pdf-parser.py：该代码可能不太容易使用，因为您需要掌握有关内部PDF结构的一些专门知识。pdf-parser.py是一个Python脚本，它也可以做很多其他事情。它也可以解压缩并从对象中提取任意流，因此也可以提取嵌入的字体文件。
但是您需要知道要寻找什么。让我们看一个例子。我有一个名为big.pdf的文件。首先，我使用-s参数在PDF中搜索是否出现关键字FontFile（pdf-parser.py不需要区分大小写的搜索）：
pdf-parser.py -s fontfile big.pdf
就我而言，对于big1.pdf，我得到以下结果：
obj 9 0
Type: /FontDescriptor
Referencing: 15 0 R
<<
/Ascent 728
/CapHeight 716
/Descent -210
/Flags 32
/FontBBox [ -665 -325 2000 1006 ]
/FontFile2 15 0 R
/FontName /ArialMT
/ItalicAngle 0
/StemV 87
/Type /FontDescriptor
/XHeight 519
>>
obj 11 0
Type: /FontDescriptor
Referencing: 16 0 R
<<
/Ascent 728
/CapHeight 716
/Descent -210
/Flags 262176
/FontBBox [ -628 -376 2000 1018 ]
/FontFile2 16 0 R
/FontName /Arial-BoldMT
/ItalicAngle 0
/StemV 165
/Type /FontDescriptor
/XHeight 519
>>
它告诉我FontFile2PDF内有两个实例，这些实例在PDF对象中没有。15，没有。16。对象编号 15拥有/FontFile2for字体/ ArialMT，对象号。16拥有/FontFile2for字体/ Arial-BoldMT。
为了更清楚地显示这一点：
pdf-parser.py -s fontfile big1.pdf | grep -i fontfile
/FontFile2 15 0 R
/FontFile2 16 0 R
快速浏览一下PDF规范，您会发现该关键字/FontFile2与“包含TrueType字体程序的流”相关（/FontFile将与“包含Type 1字体程序的流”/FontFile3相关，并且与包含格式为的字体程序的流相关）由流字典中的“子类型”条目指定（ {因此是Type1C或CIDFontType0C子类型}。）
要专门查看PDF对象编号。15（拥有字体/ ArialMT），可以使用以下-o 15参数：
pdf-parser.py -o 15 big1.pdf
obj 15 0
Type:
Referencing:
Contains stream
<<
/Length1 778552
/Length 1581435
/Filter /ASCIIHexDecode
>>
此pdf-parser.py输出告诉我们，该对象包含一个长度为1.581.435字节的流（它将不会直接显示），并使用ASCIIHexEncode进行了编码（==“压缩”），并且需要进行解码（==“ de-压缩”或“已过滤”）/ASCIIHexDecode。
要转储来自对象的任何流，pdf-parser.py可以使用-d dumpname参数调用。我们开始做吧：
pdf-parser.py -o 15 -d dumped-data.ext big1.pdf
我们提取的数据转储将位于名为dumped-data.ext的文件中。让我们看看它有多大：
ls -l dumped-data.ext
-rw-r--r-- 1 kurtpfeifle staff 1581435 Apr 11 00:29 dumped-data.ext
哦，看，它是1.581.435字节。我们在上一个命令的输出中看到了该图。使用文本编辑器打开此文件，确认其内容为ASCII十六进制编码的数据。
使用诸如此类的字体读取工具打开文件otfinfo（这是lcdf-typetools软件包的一部分），起初会有些失望：
otfinfo -i dumped-data.ext
otfinfo: dumped-data.ext: not an OpenType font (bad magic number)
好的，这是因为我们（尚未）pdf-parser.py充分利用其全部魔力：转储经过过滤，解码的流。为此，我们必须添加-f参数：
pdf-parser.py -o 15 -f -d dumped-data-decoded.ext big1.pdf
这个新文件的大小是多少？
ls -l dumped-data-decoded.ext
-rw-r--r-- 1 kurtpfeifle staff 778552 Apr 11 00:39 dumped-data-decoded.ext
哦，看：确切的数字也已经存储在PDF对象编号中。15字典作为键的值/Length1...
是什么file觉得它是什么？
file dumped-data-decoded.ext
dumped-data-decoded.ext: TrueType font data
这otfinfo告诉我们什么？
otfinfo -i dumped-data-decoded.ext
Family: Arial
Subfamily: Regular
Full name: Arial
PostScript name: ArialMT
Version: Version 5.10
Unique ID: Monotype:Arial Regular:Version 5.10 (Microsoft)
Designer: Monotype Type Drawing Office - Robin Nicholas, Patricia Saunders 1982
Manufacturer: The Monotype Corporation
Trademark: Arial is a trademark of The Monotype Corporation.
Copyright: © 2011 The Monotype Corporation. All Rights Reserved.
License Description: You may use this font to display and print content as permitted by
the license terms for the product in which this font is included.
You may only (i) embed this font in content as permitted by the
embedding restrictions included in this font; and (ii) temporarily
download this font to a printer or other output device to help
print content.
Vendor ID: TMC
所以Bingo !，我们有一个赢家：pdf-parser.py确实为我们提取了一个有效的字体文件。给定此文件的大小（778.552字节），看起来该字体甚至完全嵌入了PDF ...
我们可以将其重命名为arial-regular.ttf并按原样安装并愉快地使用它。
无论如何，您都需要遵循适用于该字体的许可证。某些字体许可证不允许免费使用和/或分发。盗版字体就像盗版任何软件或其他受版权保护的材料一样。
绝大部分的PDF都不会嵌入完整字体，而只是嵌入子集。提取字体的子集仅在非常有限的范围内有用（如果有的话）。
还请阅读以下有关字体提取方面的优点和（更多）缺点的内容：
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句