ghostscript如何将PDF转换为.txt？

Question

GNU Ghostscript能够将pdf文件转换为终端中的.txt（文本文件）。

gs -sDEVICE=txtwrite -o output.txt input.pdf

我想知道它是如何完成这项任务的？它是否使用OCR？

我不是在寻找一个非常沉重的解释，但只是向正确的方向推进（链接指南等也会这样做）。

谢谢！

Answer 1

不，它没有做OCR，这就是它有限制的原因。它有多种技术，并以层次结构的方式使用它们：

• 如果字体具有ToUnicode CMap，请使用它来获取Unicode代码 点
• 如果没有，则根据标准检查字形名称（如果可用） 列表
• 假设字符代码为ASCII。

由于Ghostscript和相关的txtwrite设备是开源的，因此您可以轻松阅读源代码以获取更多信息。