使用PDFBOX编写带有正确字符表示形式的阿拉伯语而不分离

2019-06-22 11:47:42 阅读：216 来源： 互联网

我正在尝试使用PDFBox Apache生成包含阿拉伯文本的PDF,但文本生成为单独的字符,因为Apache将给定的阿拉伯字符串解析为一系列通用的“官方”Unicode字符,相当于孤立形式的阿拉伯字符.

这是一个例子：
目标文本以PDF格式写入“应该是PDF文件中的预期输出” – > جملةبالعربي
我在PDF文件中获得的内容 – >

我尝试了一些方法,但这里有一些没用：
1.将字符串转换为比特流并尝试提取正确的值
2.使用UTF-8&&amp ;;处理String一个字节序列. UTF-16并从中提取值

有一些方法看起来非常有希望得到每个字符的值“Unicode”但是它产生一般的“官方Unicode”这就是我的意思

System.out.println( Integer.toHexString( (int)(new String("كلمة").charAt(1))) );

输出是644但是fee0是预期的输出,因为这个字符在中间,从那时起我应该得到中间的Unicode费用0

所以我想要的是一些生成正确Unicode的方法,而不仅仅是官方的Unicode

以下链接中第一个表中的“Left”列表示常规Unicode
Arabic Unicode Tables Wikipedia

解决方法:

首先,我将感谢Tilman和M.Prokhorov向我展示了使用PDFBox Apache编写阿拉伯语的库.

本答复将分为两个部分：

>下载库并安装它
>如何使用库

下载库并安装它

我们将使用ICU库.
ICU代表Unicode的国际组件,它是一组成熟的,广泛使用的C/C++和Java库,为软件应用程序提供Unicode和全球化支持. ICU具有广泛的可移植性,可在所有平台以及C/C++和Java软件之间为应用程序提供相同的结果.

要下载库,请转到here的下载页面.
选择最新版本的ICU4J,如下图所示.

您将被转移到另一个页面,您将找到一个包含所需组件的直接链接的框.请继续下载三个文件,您将在下一个图像中找到突出显示的文件.

> icu4j-docs.jar
> icu4j-src.jar
> icu4j.jar

以下有关在Netbeans IDE中创建和添加库的说明

>导航到工具栏和单击工具
>选择图书馆
>在左下角,您将找到新的库按钮创建您的
>导航到您在库列表中创建的库
>单击它并添加这样的jar文件夹
>在类路径中添加icu4j.jar
>在Sources中添加icu4j-src.jar
>在Javadoc中添加icu4j-docs.jar
>从最右边查看您打开的项目
>展开要在其中使用库的项目
>右键单击libraries文件夹,然后选择添加库
>最后选择刚刚创建的库.

现在您已准备好使用该库,只需导入您想要的内容

import com.ibm.icu.What_You_Want_To_Import;

如何使用该库

使用ArabicShaping Class并反转String,我们可以编写正确的附加阿拉伯语LINE
以下是代码注释以下代码中的注释

import com.ibm.icu.text.ArabicShaping;
import com.ibm.icu.text.ArabicShapingException;
import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.*;

public class Main {
    public static void main(String[] args) throws IOException , ArabicShapingException
{
        File f = new File("Arabic Font File of format.ttf");
        PDDocument doc = new PDDocument();
        PDPage Page = new PDPage();
        doc.addPage(Page);
        PDPageContentStream Writer = new PDPageContentStream(doc, Page);
        Writer.beginText();
        Writer.setFont(PDType0Font.load(doc, f), 20);
        Writer.newLineAtOffset(0, 700);
        //The Trick in the next Line of Code But Here is some few Notes first  
        //We have to reverse the string because PDFBox is Writting from the left but Arabic is RTL Language  
        //The output will be perfect except every line will be justified to the left "It's not hard to resolve this"
        // So we have to write arabic string to pdf line by line..It will be like this
        String s ="جملة بالعربي لتجربة الكلاس اللذي يساعد علي وصل الحروف بشكل صحيح";
        Writer.showText(new StringBuilder(new ArabicShaping(reverseNumbersInString(ArabicShaping.LETTERS_SHAPE).shape(s))).reverse().toString());
        // Note the previous line of code throws ArabicShapingExcpetion 
        Writer.endText();
        Writer.close();
        doc.save(new File("File_Test.pdf"));
        doc.close();
    }
}

这是输出

我希望我已经完成了所有事情.

更新：反转后,请确保再次反转数字,以获得相同的正确数字
这里有几个可以提供帮助的功能

public static boolean isInt(String Input)
{
    try{Integer.parseInt(Input);return true;}
    catch(NumberFormatException e){return false;}
}
public static String reverseNumbersInString(String Input)
{
    char[] Separated = Input.toCharArray();int i = 0;
    String Result = "",Hold = "";
    for(;i<Separated.length;i++ )
    {
        if(isInt(Separated[i]+"") == true)
        {
            while(i < Separated.length && (isInt(Separated[i]+"") == true ||  Separated[i] == '.' ||  Separated[i] == '-'))
            {
                Hold += Separated[i];
                i++;
            }
            Result+=reverse(Hold);
            Hold="";
        }
        else{Result+=Separated[i];}
    }
    return Result;
}

标签：java,pdf,pdf-generation,pdfbox
来源： https://codeday.me/bug/20190622/1263234.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

使用PDFBOX编写带有正确字符表示形式的阿拉伯语而不分离