终章：word到pdf

阅读此文请先查看昨天的更新任重到远，从word到pdf的路

昨天还遗留了一个问题，就是word这中的选中框转换到pdf之后，不能正常显示。这是原始的WORD

word反始图

转换之后的pdf如图

未修复的PDF

经过调研之后，发现昨天说的通过PDFBOX定位到0052的字符串，将其替换成选中的框，基本的方向是对的。

第一步：定位每个0052的0的位置

第二步：用画笔工具清除掉0052

第三步：用画笔工具画一个带边框的正方形，及打勾的形状

具体代码主要是用到了PDFTextStripper，PDPageContentStream两个类。

PDFTextStripper：它是一个专门拆解PDF中文本的解释器，能将每个汉字，符号或者数字，字母一一分开，并能打标相应的属性，这里面有字符的X,Y坐标，字体大小，字的高度，宽度等。你只需要继承这个类，实现writeString的方法

PDPageContentStream:顾名思义，它是一个处理PDF内容的对象，传入当前的PAGE对象之后，以追加模式执行上面的第一，二，三

截图中相关数字说明：

23：表示第四个字符5结束时相对于第一个字符0的向右偏移量

8：表示白色填充框，黑色边框的高度

10:表示新的黑色框绘制起点相对于第一个字符0的向右偏移量

12：表示打勾的起点相对于新的黑色框绘制起点的向右偏移量

4：表示打勾的起点垂直方向上在黑色框的向上偏移量

14：表示打勾转折的点相对于新的黑色框绘制起点的向右偏移量

2：表示打勾的起点垂直方向上在黑色框的的向上偏移量

18：表示打勾结束点水平方向相对于第一个字符0的向右偏移量

最后贴一个处理好的

华丽的分割线是我

---

 最近在做新的业务文档生成时，如果文档里面的字体存在多个子集时，你不做任何处理，docx4j转pdf直接报

For TrueType collection you must specify which font to select (-ttcname)

打个比方，比如你比较幸运的用到了宋体simsun.ttc,这个字体比较特殊，它会有simsun,nsimsun等字体，当不指定某一个子集，PDF转换就会失败。由于docx4j转 pdf是基于FOP:

Apache™ FOP (Formatting Objects Processor) is a print formatter driven by XSL formatting objects (XSL-FO) and an output independent formatter. It is a Java application that reads a formatting object (FO) tree and renders the resulting pages to a specified output. Output formats currently supported include PDF, PS, PCL, AFP, XML (area tree representation), Print, AWT and PNG, and to a lesser extent, RTF and TXT. The primary output target is PDF.

在它的官网的源代码里面，我找到了可以生成子集文件的方法：

在参考了它的配置文件说明之后config

我自己的XML文件如图

宋体终于可以正常显示了，由于WORD的格式比PDF要复杂，还有些小细节需要再处理一下。