PDF上的内容无法复制粘贴

起因也记录一下，在考虑mmwave idea的时候，想着找一些雷达的书补充基础知识。我电的雷达原理找不到高清的电子书，真的找不到。参考网上建议找了Radar Handbook这本书。

书打开了开始看，妈的里面的内容adobe acrobat复制粘贴不了，emmm，都是􀁎􀀀。

开始了两天的PDF学习之路。

1.如何查看pdf.

　　第一层：在PDF阅读器里面，我能看到pdf的字体是aa,bb, encoding是cc,dd之类的。

　　第二层：PDF用文本编辑器打开，能看到更具体的文件格式，但是里面内容被压缩了，导致有点问题，我自己观察到的就是obj的数量不准确之类的。

　　第三层：PDF文件先进行解压缩，再用文本编辑器打开，就可以了。

解压缩的软件，下载之后要从命令行才能进行解压操作，这个有点意外。

以上知识来自luoyunhai。

2.PDF显示内容，存储内容，编码之间的关系

　　PDF绘制的是字符的图案(glyph)，但是存储时，可以存储自定义的CID序列，比如<1E2S3R4R>代表一个双字节的字符的CID。

　　有了字体（包含一个glyph库）和CID序列后，就可以绘制PDF。这里有两种形式，1）定义一个CID到GID（glyph在库里的ID）的map，叫做CMAP，把CID转化为GID再使用。2）使用和GID相同的CID，感觉上1)是没必要的方法。

　　但是！这样的pdf还是只让看不让摸，如果想用copy/paste操作来获取里面的内容，并没有什么有意义的内容，CID只代表了字符在字体的glyph库里面的位置，和本身的意义无关了。所以这里一般需要

       TOUNICODE CMAP，记录CID到UNICODE的映射，有了这个东西，复制粘贴的时候就知道返回给你什么UNICODE了。以上知识来自于luoyunhai和这里，这里。

OK，结合一和二定位到问题，在PDF源文件里面搜索，没有TOUNICODE这个obj，关于obj的定义参考luoyunhai。

思路：

为PDF添加上TOUNICODE obj。

待解决：

1.如何提取一份可用的TOUNICODE，TOUNICODE是否对每个字体一样，是否和编码方式有关，毕竟我win下面生成的PDF是winansi编码，radar handbook是identity-H编码。

2.怎么把TOUNICODE加上去，按luoyunhai的思路似乎是在后面加量式的修改，但是还不知道怎么改。

3.如何把以上代码完成自动化。

 

stackoverflow里面的这个例子似乎符合我的需求。但是是java环境，pdfbox是java的一个库。

但是我连它的运行环境都不知道，而且pdfbox,pdfdebnugger又是什么。而且很sb的要对每一个字符写一下。

emmm，现在看来，还是要全部都加在后面，假如对原有obj进行改动，xref会变得很厉害。

手动进行了初步实验，效果很差，同样文件foxit和chrome还能打开，adobe直接说文件出错（怀疑可能用了tounicode cmap的subset。

debug1, 改变新字体的时候弄错顺序了，导致显示错误，修改后adobe仍然报错，foxit和chrome效果和原来一样

debug2, cmap有一个/length属性，这个/length我还没有修改到对应值，

拿原始数据验证之后，/length 的大小是stream [start]...[end]endstream之间的长度。

xref里面obj的顺序是按照编号来的

debug2, startxref的数值忘记改了

 

FANCY! 

原文：Tracking radar

未添加cmap: 􀀴􀁒􀁁􀁃􀁋􀁉􀁎􀁇􀀀 􀁒􀁁􀁄􀁁􀁒􀀎

添加cmap后: 4RACKING RADAR. 中间空格是一个有问题的字符。

可以看到，小写字母被映射到对应的大写字母，而大写字母被映射到其它字符，空格被映射到不知道哪里。

这貌似需要一个手动修改的过程，怎么这么傻逼呢，关键我不知道怎么补充一个cmap，在已经用了一个cmap的基础上，怎么补充