使用 PyPDF2 检测 Google Docs 生成的 PDF 文件中的非嵌入字体答案

【问题标题】：Use PyPDF2 to detect non-embedded fonts in PDF file generated by Google Docs使用 PyPDF2 检测 Google Docs 生成的 PDF 文件中的非嵌入字体
【发布时间】：2020-07-07 14:35:33
【问题描述】：

我希望有人可以帮助我编写一个 Python 函数来检测文件中未嵌入文件中的任何字体。我尝试使用链接here 的脚本，它可以检测文档字体，但它不检测嵌入的字体。为方便起见，我粘贴了下面的脚本：

from PyPDF2 import PdfFileReader
import sys

fontkeys = set(['/FontFile', '/FontFile2', '/FontFile3'])

def walk(obj, fnt, emb):
    if '/BaseFont' in obj:
        fnt.add(obj['/BaseFont'])

    elif '/FontName' in obj and fontkeys.intersection(set(obj)):
        emb.add(obj['/FontName'])

    for k in obj:
        if hasattr(obj[k], 'keys'):
            walk(obj[k], fnt, emb)

    return fnt, emb

if __name__ == '__main__':
    fname = sys.argv[1]
    pdf = PdfFileReader(fname)
    fonts = set()
    embedded = set()

    for page in pdf.pages:
        obj = page.getObject()
        f, e = walk(obj['/Resources'], fonts, embedded)
        fonts = fonts.union(f)
        embedded = embedded.union(e)

    unembedded = fonts - embedded
    print 'Font List'
    pprint(sorted(list(fonts)))
    if unembedded:
        print '\nUnembedded Fonts'
        pprint(unembedded)

例如，我从 Google Docs 下载了带有 Arial 字体的 PDF（键入一些内容，另存为 PDF），并且 Adobe Reader 已确认该字体已嵌入。但是，该脚本将 ['/ArialMT'] 作为字体返回，并为嵌入字体返回一个空集。此外，看起来任何递归对象都没有键 {'/FontFile', '/FontFile2', '/FontFile3'}。我已经在其他 PDF 上尝试过它并且它可以工作，所以 Google Docs PDF 一定很奇怪。让我知道我可以为此 PDF 文件提供哪些其他调试信息。

我想到的一件事是，Google Docs 可能只嵌入了 14 种标准 PDF 字体中没有的字体。但是，我尝试使用一种奇怪的字体（pacifico），并且脚本还指出该字体没有嵌入，而 Adobe 声称它是。

我用this PDF试了一下，脚本正确地指出嵌入了这14种字体。

【问题讨论】：

标签： python pdf fonts google-docs pypdf2

【解决方案1】：

问题是这个脚本不处理列表。例如，在 Google Docs 示例中，在 PDF 对象中，您会看到以下结构：

{'/Encoding': '/Identity-H', '/Type': '/Font', '/BaseFont': '/Pacifico-Regular', '/ToUnicode': IndirectObject(9, 0), '/DescendantFonts': [IndirectObject(16, 0)], '/Subtype': '/Type0'}

DescendantFonts 键映射到一个值列表，如果您更深入地递归，它将包含字体文件的键。您还必须修改脚本以测试数组，例如：

if type(obj) == PyPDF2.generic.ArrayObject:  # You can also do ducktyping here
    for i in obj:
        if hasattr(i, 'keys'):
            walk(i, all_fonts, embedded_fonts)

【讨论】：