我需要获取PDF中每个字符的x / y，宽度/高度和页码，最好是百分比。
显然，Ghost Script能够执行此操作，因为否则无法将PDF转换为光栅图像。是否有一种简单的方法可以让Ghostscript给我这些信息，或者我是否需要修改源代码来挂钩这个功能？
答案 0 :(得分：1)
字形呈现为位图（使用FreeType）并存储在标记有字体和矩阵的字形缓存中，以便可以唯一标识它们。当文本呈现给页面时，首先查询缓存，如果存在命中，则在当前点绘制位图。如果没有，那么渲染和缓存字形。
但是，非常大的点大小会保持未缓存状态，并且每次都会渲染以避免填满或溢出缓存。
因此，为了使用Ghostscript检索此信息，您需要编写一个具有一组文本方法的设备。您需要从字形中捕获位图以确定字形的宽度和高度，并且当前点将为您提供页面上的位置。 output_page方法会告诉您页面已完成，因此您需要自己跟踪页码。
您可以查看txtwrite设备以查看文本的处理方式，并查看epswrite设备以查看如何检索位图，您需要两者的组合。
请注意，PDF文件中的“文字”不一定是文字。看似文本的内容可能是位图或矢量。文本可以以不寻常的方式编码，并且可能无法检索有关字形的Unicode或其他可识别信息（txtwrite设备也会显示如何在可能的情况下提取此类信息）。
此外，字体并不总是嵌入在PDF文件中，在这种情况下会使用替代字体，这会弄乱您的宽度/高度信息。
这是一个非常大的项目。