OpenPDF 中 TrueTypeFontUnicode 的 CIDSet 生成机制优化

背景介绍

OpenPDF 是一个开源的 Java PDF 库，在处理 PDF 文档时提供了丰富的字体支持功能。在 1.3.31 版本中，项目引入了一个针对 TrueTypeFontUnicode 字体的重要修改：当字体子集化(subset)启用时，会自动生成 CIDSet 数据结构。

技术解析

CIDSet 是 PDF 规范中用于标识 CID 字体中实际使用的字符集的数据结构。在 PDF/A-1 标准中，这是一个强制性要求（规范 6.3.5-3），用于确保文档的长期可访问性。然而，对于 PDF/A-2 和 PDF/A-3 标准，这个要求已经被放宽。

问题发现

在实际应用中，开发者发现这个强制生成 CIDSet 的行为带来了两个潜在问题：

1. 文件体积膨胀：当 CIDSet 存在时，根据 PDF 规范要求，必须包含字体中的所有字符标识符(CID)，这实际上导致了整个字体被嵌入，失去了子集化的优势。

2. 标准兼容性限制：对于只需要符合 PDF/A-2 或 PDF/A-3 标准的文档，这个强制要求是不必要的，反而增加了文件体积。

解决方案

经过社区讨论，决定引入一个新的配置选项来优化这一行为：

1. 新增 includeCIDSet 布尔参数，默认值为 true，保持向后兼容
2. 该参数仅影响 TrueTypeFontUnicode 字体处理
3. 当设置为 false 时，即使启用了子集化，也不会生成 CIDSet

实现细节

在技术实现上，这个修改主要涉及字体处理的核心逻辑：

• 修改了 TrueTypeFontUnicode 的构造函数，增加新的参数
• 调整了 CIDSet 生成的判断条件
• 保持了现有 API 的兼容性

最佳实践建议

对于不同使用场景，建议采用以下配置：

1. 需要严格 PDF/A-1 兼容性：保持默认设置（includeCIDSet=true）
2. 仅需 PDF/A-2 或 PDF/A-3 兼容性：可以设置 includeCIDSet=false 以获得更小的文件体积
3. 对文件体积敏感的应用：评估后可以禁用 CIDSet 生成

总结

这次优化体现了 OpenPDF 项目对用户需求的响应能力，通过灵活的配置选项，既保持了标准的兼容性，又解决了实际应用中的性能问题。开发者现在可以根据具体需求，在标准合规性和文件效率之间做出更精细的权衡。