Question

我的扫描仪已将PDF / A文档设为OCRed。该文件有点倾斜，因此我使用ghostscript将其旋转1度：

gs -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -dSAFER \
   -dPDFSETTINGS="/screen" \
   -dSubsetFonts=true -dEmbedAllFonts=true \
   -sPAPERSIZE=a4 -sOutputFile="out.pdf" \
   -c "<</BeginPage{1 rotate}>> setpagedevice" \
   -f in.pdf

（这是另一个SO线程的经过修改的摘录）

这确实很好，但是带有文本编码的东西是不正确的-当我从原始文档中复制并粘贴带有波兰字母的单词（±śćęłńźż）时，一切正常，但是当我复制并粘贴相同的单词时上面命令生成的PDF中的确切单词，此波兰字母转换为“〜”（“opłata”->“ op〜ata”，“wpłynęło”->“ wp〜yn ~~ o”）。如何保存文字？我真的需要保持不变。

编辑：以上命令的输出：

GPL Ghostscript 9.25 (2018-09-13)
Copyright (C) 2018 Artifex Software, Inc.  All rights reserved.
This software comes with NO WARRANTY: see the file PUBLIC for details.
Processing pages 1 through 3.
Page 1
Loading NimbusSans-Regular font from /usr/local/Cellar/ghostscript/9.25/share/ghostscript/9.25/Resource/Font/NimbusSans-Regular... 5076560 3564226 2614872 1261064 3 done.
Loading NimbusSans-Bold font from /usr/local/Cellar/ghostscript/9.25/share/ghostscript/9.25/Resource/Font/NimbusSans-Bold... 5142672 3737333 2635072 1280462 3 done.
Loading NimbusSans-Italic font from /usr/local/Cellar/ghostscript/9.25/share/ghostscript/9.25/Resource/Font/NimbusSans-Italic... 5310168 3943119 2816872 1460233 3 done.
Loading NimbusSans-BoldItalic font from /usr/local/Cellar/ghostscript/9.25/share/ghostscript/9.25/Resource/Font/NimbusSans-BoldItalic... 5497480 4140597 3059272 1695969 3 done.
Page 2
Page 3

Answer 1

首先要尝试的是不设置SubsetFonts = true。

如果您的原始PDF文件没有ToUnicode CMap，则您将依靠“启发式”（又名猜测）来从给定的字符编码中确定Unicode点。

如果原始文档有效，则其字符编码可能与ASCII或类似的字符匹配。但是，当子集字体时，编码会更改。本质上，遇到的第一个字符变为编码位置1，第二个为2，依此类推。

当您尝试剪切和粘贴时，这自然会引起问题。

但是，鉴于您使用的字符超出了正常的ASCII范围，因此出现问题的可能性很小。

您可能正在使用旧版本的Ghostscript + pdfwrite（您实际上没有说出您使用的是哪个版本，也没有提供会说的反向通道输出）及其错误已得到修复。 / p>

但是坦率地说，在没有看到输入的PDF文件的情况下，几乎任何人都不可能弄清楚为什么新的PDF文件与众不同，因此除了猜测之外，不可能为您提供任何有用的建议。

Ghostscript-字符编码问题

1 个答案: