我正在使用TCPDF来创建PDF文件。
因为TCPDF在字体子集中有错误（link to bug），所以 我使用以下Ghostscript命令在TCPDF创建的PDF文件中对字体进行子集化：
gswin64c.exe -q -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 \
-dPDFSETTINGS=/prepress -dUseFlateCompression=false -dEmbedAllFonts=true \
-dSubsetFonts=true -sOutputFile="out.pdf" "input.pdf"
效果很好，缩小了文件大小。但是当我尝试将PDF文件解析为文本时（使用poppler - ＆gt; pdftotext），或者当我在PDF查看器中打开文件并选择文本时，我会对UTF-8字体进行乱码。
为了在此重现，file before ghostscript和file after ghostscript。
如果您在Adobe Reader中打开文本并将其粘贴到其他地方，您可以看到您可以“在GS之前”复制文件中的文本。但是在第二个文件中，除非你复制英文字符（文件是希伯来语），否则你会得到胡言乱语。
除此之外文件看起来很棒。
您是否知道如何在Ghostscript中保留UTF8字体？
答案 0 :(得分：1)
是的，不要将字体分组。对字体进行子设置会导致它们被重新编码。因为你的字体没有ToUnicode CMap，所以复制/粘贴只能通过启发式工作（即字符代码必须有意义）在你的情况下，字符代码是或似乎是Unicode，所以你在好运，启发式工作。
一旦你对字体进行了子集，Ghostscript会对它们进行重新编码。所以字符代码不再是Unicode。在没有ToUnicode CMap的情况下，复制/粘贴不再有效。
唯一可以让它工作的方法是不重新编码字体，这意味着你不能使用Ghostscript的pdfwrite设备对它们进行子集化。事实上，因为你使用带有TrueType轮廓的CIDFonts，所以你不能避免对字体进行子集化，所以基本上，这不会起作用。
请记住，Ghostscript的pdfwrite设备不是用来操作PDF文件的工具！
顺便说一下，你的PDF文件有其他问题，它将字体（Tf操作符）缩放为0，并且它有一个BBox表格，其中所有坐标都是0（事实上表格没有内容，如此毫无意义）。这是一个没有ToUnicode CMap的CIDFont的补充。也许您应该考虑使用不同的工具来生成PDF文件。