我正在使用Postscript打印机生成一个＆＃39; .ps＆＃39;文件，我正在使用＆＃39; ps2pdf＆＃39;将此.ps文件转换为.pdf文件。我的linux机器中的命令。这里生成的文件，它的内容是不可选择和可复制的。当我尝试使用apache Tika从相同的pdf文件中提取内容时，它返回一个空字符串（意味着不能我认为它可能是某些字体的问题，所以我也安装了一些新的字体，但它仍然不适合我。
我无法找出问题所在。无论是打印机驱动程序还是ghostscript问题（用于将＆＃39; .ps＆＃39;转换为＆＃39; .pdf＆＃39; ）或者是字体或其他东西的问题。
在使用tika检索内容时，它会打印一些警告（而不是错误），如下所示。
WARN No Unicode mapping for CID+1 (1) in font WKQJKU+ArialNarrow-Identity-H
WARN No Unicode mapping for CID+2 (2) in font WKQJKU+ArialNarrow-Identity-H
WARN No Unicode mapping for CID+3 (3) in font WKQJKU+ArialNarrow-Identity-H
WARN No Unicode mapping for CID+4 (4) in font WKQJKU+ArialNarrow-Identity-H
WARN No Unicode mapping for CID+5 (5) in font WKQJKU+ArialNarrow-Identity-H
...
感谢任何帮助。谢谢。
答案 0 :(得分：2)
如果没有看到原始的PostScript文件和PDF，则无法确定问题是什么，或者是否可以修复。您需要在公共场所发布文件。
你也不能确切地说出＆＃39; ps2pdf＆＃39;命令是，有几个使用相同名称的不同实用程序。如果它使用Ghostscript那么它会在运行时说出来。如果是这样，你最好直接运行Ghostscript以避免混淆。您还应该引用您正在使用的Ghostscript版本。
现在，PostScript程序通常用于发送到打印机进行打印。因此，只要字体编码和字符代码组合在输出上产生预期的字符形状，用什么字符代码来表示字形并不重要。所以绝对不能保证一个＆＃39; A＆＃39;在您的原始应用程序中，打印为“A＆＃39;例如，在纸上实际上由字符代码0x41表示。创建子集字体的应用程序并不罕见，该子集字体仅包含实际打印的字形，并且其排列使得要打印的第一个字符被赋予代码1，第二个字符被赋予代码2等。因此＆＃ 39;你好＆＃39;将是0x01 0x02 0x03 0x03 0x04
Windows PostScript打印机驱动程序添加了一个非标准的G2U表，它将字形名称映射到Unicode代码点，使用它可以构建一个ToUnicode CMap并将其嵌入到PDF文件中。这允许将复杂的编码转换为Unicode值，这意味着搜索和复制/粘贴将起作用。
但是您还没有说过您正在使用哪个系统来创建PostScript程序，而且由于您还没有提供示例，我们根本不知道您的PostScript是如何生成的。< / p>
您的PDF文件似乎正在使用CIDFont，并且不包含ToUnicode CMap。它不太可能产生PDF文件，您可以在其中复制/粘贴内容。当然，这并不是PDF的最初目标，这就是为什么它不能保证是可能的。
很可能根本无法将PostScript文件转换为可编辑的PDF文件，但您还没有提供足够的信息来说明。
[后]
PostScript由Cairo制作，可能来自PDF文件，但这并不完全清楚，它可能只是开罗的工作方式。无论如何...... PostScript包含一个带有CIDFontType 2（TrueType轮廓）的嵌入式子集CIDFont。因为PostScript没有定义的提供Unicode信息的机制，所以没有提供。如上所述，＆＃39;编码＆＃39;在遇到字符时创建，因此第一个字形编码为0x01等。
这样做的结果是没有简单的方法从这个PostScript文件中提取有意义的文本，除了当然打印它和使用OCR。
可以想象，CIDFont的sfnts包含一个3,0 CMAP子表，它将字形ID映射到Unicode值，但我需要一些时间来检查。
然而，即使是这种情况，Ghostscript的pdfwrite代码目前还没有尝试这个专长（Acrobat Distiller，也不是我所知道的任何其他PostScript到PDF创建者）
因此，从根本上说，你不能做你想做的事情。为什么不让Cairo生成PDF文件而不是PostScript文件？它更有可能像我想象的那样工作。当然，这可能意味着你必须看看你的虚拟打印机是如何工作的，如果你使用的是CUPS，我应该可以想到，因为PDF是现代版CUPS使用的通用格式。