ElyPDF: write in a document's subset font through the page's own glyph codes (R2.17)

agents.md

@@ -262,3 +262,4 @@ cargo run -p ely-doc          启动一个应用（ElyDoc 先 cargo build -p ely
 - 2026-10-06：ElyPDF 阅读（C11.1，PDF-01）。MuPDF 只链进 `ely-pdf-worker`（`crates/ely-pdf-engine`，build.rs 把 C 垫片 `shim/ely_mupdf.c` 与 `libmupdf.a`、`libmupdf-third.a` 只链给这个二进制），应用不链 MuPDF。build.rs 以协议、垫片与 worker 源码的散列为版本戳，应用启动 worker 先握手（`HELLO`），戳不同即拒绝（单测不重建 worker，旧二进制曾被误用）。worker 在打开第一个文件时才启动（PERF-01），`tests/scripts/pdf-idle.sh` 查空白窗口无子进程。垫片每个调用都在 `fz_try`/`fz_catch` 里，返回码加最后一条错误信息，MuPDF 的跳转从不越过 Rust。worker 与应用之间是 `ely-ipc` 的帧（从 ely-lok 抽出，两者共用）：打开（锁定即报）、解锁、页数、页框、渲染一块（设备像素、缩放、旋转、深色）、按阅读顺序的字符与外框、页内搜索（每处命中及其全部四边形，跨行短语算一处，数量不设上限）、书签（JSON）、关闭；文件读不出只报错，worker 照常工作。查看器：打开时只读页数、前 100 页尺寸与书签，其余尺寸后台每批 100 页补齐；视图只排屏上的页（连续、单页、双页；适合宽度、适合页面、实际大小与缩放档；视图旋转 90°），按 512 设备像素一块请求，一次一块、由近及远，只留屏上的块（横纵两向），后台回来的块不在屏上即弃；画不出的块记下不再请求，换文档或重开前不重试；深色外观下页面按亮度反相（MuPDF `fz_invert_pixmap_luminance`，色相保留）。文字选择按字符、可跨页，复制按行换行，未读的页先读；查找每批 20 页在后台进行，命中逐个跳转并标出，Esc 关闭（组件库 617a8d6）；书签栏用 `lists::Outline`，点即跳到页与位置。切换视图、缩放、旋转后仍停在正在读的那页。加密文件打开时问密码（外壳的密码框，见上一条），错了再问，取消即不打开。没有页的文件报错并关闭，不开标签。双页时同一行在视口内的两页都可为当前页；当前页只在横纵两向都可见的页里定，跳转在目标页左缘不在视口时横向移过去。图块按视口半开区间取。首次按下时文字未读，读到后照原按下处起选；查找结果按查找实例与所属标签核对，只在该标签为当前时跳转。书签为空时不留左栏。启动参数里的文件直接打开。
 - 2026-10-09（用户定：“打开方式”里不得出现 LibreOffice）：系统会登记磁盘上能找到的 .app、挂载镜像里的 .app 与运行过的包，构建目录里的 `LibreOffice.app` 与测试挂载的官方镜像曾因此成为 xlsx 等的默认程序。现构建后由 `scripts/inert-lo.sh` 去掉其全部文件与 URL 声明、快速查看与聚焦插件，注销它，并在 `engines/` 放 `.metadata_never_index`；Ely 只取其 Frameworks 与 Resources。任何脚本与测试都不挂载 LibreOffice 镜像：LOK 探测用本构建的内核，单测所需的官方内核由 `scripts/extract-official-lo.sh` 以 7zz 解成无包的文件夹。`tests/scripts/lo-unregistered.sh` 以 NSWorkspace 核对 docx、xlsx、pptx、odt、csv 的“打开方式”里没有 LibreOffice。
 - 2026-10-09（用户报：ElyTable 点格跳到别处、拖不出选区）：Calc 在 `sc_print_twips_msgs` 下以打印 twips（行高原值）报光标、选区与 `.uno:SheetGeometryData`，图块与鼠标却在图块 twips（每行按 `ScViewData::ToPixel` 截成整像素），两者随行号漂移（5000 行处约 140 行）。视图对外一律打印 twips；`LokView::set_geometry` 收下工作表几何后，`sheet::Axis::tile`、`print` 照内核的截断换算（每像素 twips 取图块的像素与 twips 之比），绘制、显示、跳转与冻结都先换成图块 twips，鼠标以图块 twips 发出（`tile_point`），拖动句柄仍为打印 twips；`.uno:` 读回与应用（表头、填充柄）照旧用打印 twips，表头的起点取 `LokView::scrolled_start`。内核读鼠标用的比例原取最后一块图块，worker 现于每次 `setClientVisibleArea` 前以 `setClientZoom` 告知图块比例，点击不再依赖先画过图块。
+- 2026-10-09（用户报：ElyPDF 改字报“这种字体画不出 V”）：文档自带的子集字体常无可用的 Unicode 表（LibreOffice 导出的子集表为占位，0x00 起逐一对应字形号），按 Unicode 找字形一律失败。现以“文档自带字体”写字时，从该页字体资源里找到同一字体（`pdf_load_font` 按对象缓存，与文字层的字体同一对象），按文字提取的读法（ToUnicode 或 cid_to_ucs、`pdf_font_cid_to_gid`）倒出 Unicode 到字形号的表，写字只用页面上已有的字形；新字体的 `/ToUnicode` 以这张表重写（MuPDF 按子集的占位表生成的那份会把新字读成乱码）。页面上没有的字仍报缺字。

crates/ely-pdf-engine/shim/ely_write.c

@@ -19,6 +19,8 @@ typedef struct
 	fz_font *font;
 	int ordering;
 	pdf_obj *ref;
+	/* For the page's own font: Unicode and glyph pairs. */
+	int *map, mapped;
 } pen;
 
 /* What to write, where, in what. */
@@ -42,8 +44,42 @@ void ely_script_font(const unsigned char *data, size_t len)
 	script_len = len;
 }
 
+/* Unicode to glyph for the page font drawn as `own`. */
+static void own_glyphs(fz_context *ctx, pdf_page *page, fz_font *own, pen *p)
+{
+	pdf_obj *res = pdf_page_resources(ctx, page);
+	pdf_resource_stack stack = { NULL, res };
+	pdf_obj *fonts = pdf_dict_get(ctx, res, PDF_NAME(Font));
+	int i, n = pdf_dict_len(ctx, fonts);
+	for (i = 0; i < n && !p->map; i++)
+	{
+		pdf_font_desc *desc = pdf_load_font(ctx, page->doc, &stack, pdf_dict_get_val(ctx, fonts, i));
+		fz_try(ctx)
+		{
+			int cid, end = desc->to_unicode ? 65536 : (int)desc->cid_to_ucs_len;
+			if (desc->font == own)
+			{
+				p->map = fz_malloc_array(ctx, 2 * end + 2, int);
+				for (cid = 0; cid < end; cid++)
+				{
+					int u = desc->to_unicode ? pdf_lookup_cmap(desc->to_unicode, cid) : desc->cid_to_ucs[cid];
+					int gid = u > 0 ? pdf_font_cid_to_gid(ctx, desc, cid) : 0;
+					if (gid > 0)
+						p->map[2 * p->mapped] = u, p->map[2 * p->mapped + 1] = gid, p->mapped++;
+				}
+			}
+		}
+		fz_always(ctx)
+			pdf_drop_font(ctx, desc);
+		fz_catch(ctx)
+			fz_rethrow(ctx);
+	}
+	if (!p->map)
+		fz_throw(ctx, FZ_ERROR_ARGUMENT, "the block's font is not a font of its page");
+}
+
 /* The pen named `choice`; "original" writes in `own`. */
-static void choose_pen(fz_context *ctx, const char *choice, fz_font *own, pen *p)
+static void choose_pen(fz_context *ctx, const char *choice, fz_font *own, pdf_page *page, pen *p)
 {
 	static const struct { const char *choice, *name; } latin[] = {
 		{ "helvetica", "Helvetica" }, { "times", "Times-Roman" }, { "courier", "Courier" } };
@@ -64,6 +100,7 @@ static void choose_pen(fz_context *ctx, const char *choice, fz_font *own, pen *p
 			fz_throw(ctx, FZ_ERROR_ARGUMENT, "the document's font cannot write new text");
 		p->kind = PEN_CID;
 		p->font = fz_keep_font(ctx, own);
+		own_glyphs(ctx, page, own, p);
 		return;
 	}
 	for (i = 0; i < nelem(latin); i++)
@@ -84,6 +121,46 @@ static void choose_pen(fz_context *ctx, const char *choice, fz_font *own, pen *p
 	fz_throw(ctx, FZ_ERROR_ARGUMENT, "no font %s", choice);
 }
 
+/* A ToUnicode CMap from the pen's map. */
+static pdf_obj *map_to_unicode(fz_context *ctx, pdf_document *pdf, pen *p)
+{
+	fz_buffer *buf = fz_new_buffer(ctx, 256);
+	pdf_obj *ref = NULL;
+	fz_var(ref);
+	fz_try(ctx)
+	{
+		int i, j, block = 0;
+		fz_append_string(ctx, buf, "/CIDInit /ProcSet findresource begin\n12 dict begin\nbegincmap\n"
+			"/CIDSystemInfo <</Registry(Adobe)/Ordering(UCS)/Supplement 0>> def\n"
+			"/CMapName /Adobe-Identity-UCS def\n/CMapType 2 def\n"
+			"1 begincodespacerange\n<0000> <FFFF>\nendcodespacerange\n");
+		for (i = 0; i < p->mapped; i++)
+		{
+			int u = p->map[2 * i], gid = p->map[2 * i + 1], seen = 0;
+			for (j = 0; j < i && !seen; j++)
+				seen = p->map[2 * j + 1] == gid;
+			if (seen)
+				continue;
+			if (block % 100 == 0)
+				fz_append_printf(ctx, buf, "%sbeginbfchar\n", block ? "endbfchar\n" : "");
+			if (u > 0xffff)
+				fz_append_printf(ctx, buf, "<%04x> <%04x%04x>\n", gid, 0xd800 + ((u - 0x10000) >> 10), 0xdc00 + ((u - 0x10000) & 0x3ff));
+			else
+				fz_append_printf(ctx, buf, "<%04x> <%04x>\n", gid, u);
+			block++;
+		}
+		/* Each beginbfchar holds 100 entries at most. */
+		fz_append_printf(ctx, buf, "%sendcmap\nCMapName currentdict /CMap defineresource pop\nend\nend\n",
+			block ? "endbfchar\n" : "");
+		ref = pdf_add_stream(ctx, pdf, buf, NULL, 0);
+	}
+	fz_always(ctx)
+		fz_drop_buffer(ctx, buf);
+	fz_catch(ctx)
+		fz_rethrow(ctx);
+	return ref;
+}
+
 /* The pen's font as a resource of `pdf`. */
 static void add_pen(fz_context *ctx, pdf_document *pdf, pen *p)
 {
@@ -91,6 +168,9 @@ static void add_pen(fz_context *ctx, pdf_document *pdf, pen *p)
 	{
 	case PEN_CID:
 		p->ref = pdf_add_cid_font(ctx, pdf, p->font);
+		/* Subset fonts carry bogus tables; the page's codes are true. */
+		if (p->map)
+			pdf_dict_put_drop(ctx, p->ref, PDF_NAME(ToUnicode), map_to_unicode(ctx, pdf, p));
 		break;
 	case PEN_SIMPLE:
 		p->ref = pdf_add_simple_font(ctx, pdf, p->font, PDF_SIMPLE_ENCODING_LATIN);
@@ -104,8 +184,15 @@ static void add_pen(fz_context *ctx, pdf_document *pdf, pen *p)
 /* The pen's glyph for `u`; 0 when it has none. */
 static int glyph(fz_context *ctx, pen *p, int u)
 {
+	int i;
 	if (p->kind == PEN_SIMPLE && fz_windows_1252_from_unicode(u) < 0)
 		return 0;
+	/* The page's own codes beat a subset font's tables. */
+	for (i = 0; i < p->mapped; i++)
+		if (p->map[2 * i] == u)
+			return p->map[2 * i + 1];
+	if (p->map)
+		return 0;
 	return fz_encode_character(ctx, p->font, u);
 }
 
@@ -269,16 +356,17 @@ static void drop_laid(fz_context *ctx, laid *l)
 {
 	fz_drop_font(ctx, l->p.font);
 	pdf_drop_obj(ctx, l->p.ref);
+	fz_free(ctx, l->p.map);
 	fz_free(ctx, l->u);
 	fz_free(ctx, l->from);
 	fz_free(ctx, l->to);
 }
 
 /* Lays `a` out from `first`, or names a missing glyph. */
-static int lay_text(fz_context *ctx, text_args *a, fz_font *own, fz_point first, float gap, laid *l)
+static int lay_text(fz_context *ctx, text_args *a, fz_font *own, pdf_page *page, fz_point first, float gap, laid *l)
 {
 	int i;
-	choose_pen(ctx, a->font, own, &l->p);
+	choose_pen(ctx, a->font, own, page, &l->p);
 	l->n = runes(ctx, a->text, &l->u);
 	for (i = 0; i < l->n; i++)
 		if (l->u[i] != '\n' && !glyph(ctx, &l->p, l->u[i]))
@@ -409,7 +497,7 @@ int ely_put_text(fz_context *ctx, fz_document *doc, int number, int block, const
 			first = shape.first;
 			gap = shape.gap;
 		}
-		*missing = lay_text(ctx, &a, shape.font, first, gap, &l);
+		*missing = lay_text(ctx, &a, shape.font, page, first, gap, &l);
 		if (!*missing)
 		{
 			fz_rect drawn = laid_area(&l, size), region = drawn;

crates/ely-pdf-engine/tests/content.rs

@@ -275,3 +275,19 @@ fn runs_on_one_baseline_still_wrap_onto_new_lines() {
     tops.dedup();
     assert!(tops.len() >= 3, "each wrapped line has its own baseline: {tops:?}");
 }
+
+#[test]
+fn a_subset_font_writes_with_its_own_glyphs_and_reads_back() {
+    // LibreOffice's export: a subset font whose own tables are placeholders.
+    let path = Path::new(env!("CARGO_MANIFEST_DIR")).join("../../tests/fixtures/office/t.pdf");
+    let mut worker = worker();
+    let mut doc = worker.open(&path).expect("opens").doc;
+    let at = worker.text_blocks(doc, 0).expect("blocks").iter().position(|b| b.text.contains("BUNDLE")).expect("the block");
+    let mut writing = rewrite(&mut worker, doc, at, "TEXT BUNDLE", "original");
+    // Room for one line, so the space is not a line break.
+    writing.bx[2] *= 2.0;
+    assert!(matches!(worker.put_text(doc, 0, &writing, 0.0).expect("answers"), Wrote::Done(_)), "the page's glyphs suffice");
+    doc = worker.now(doc).expect("the state");
+    let now = page_text(&mut worker, doc);
+    assert!(now.contains("TEXT BUNDLE"), "the new words read back: {now:?}");
+}