我正在使用 RedMon（重定向端口监视器）、HP 通用驱动程序 PS 和 GhostScript 来拦截文档打印。
但是，对于以下场景：
文件 PDF -> HP Universal Driver PS -> RedMon -> PostScript File** -> GhostScript 创建文件printed.pdf*。
* 无法从 PDF 文件中提取文本：gs -dSAFER -dBATCH -dNOPAUSE -sDEVICE=txtwrite -sOutputFile=output.txtprinted.pdf
** PostScript 文件创建为压缩文件，无法提取文本。
问题是？
将 PDF 发送到打印机时，我可以在不压缩的情况下创建 PostScript 文件吗？
观察：Printed.pdf -> Image(TIFF) -> Tesseract(OCR) -> Text File... 有效！但它很慢。
正如 Dweeberly 在评论中所说，如果您想从 PDF 文件中提取文本，请不要从打印开始。特别是不要把它变成 PostScript。
PDF 文件可以在（可选）中包含 ToUnicode CMap，这些允许可靠的文本提取。PostScript 不支持这些，因此如果您从 PDF 创建 PostScript 文件（无论您使用什么方式创建 PostScript），信息都会丢失。
此外，PostScript 程序通常会使用子集字体、非标准编码和对文本的其他修改来创建，这将使从中提取文本变得困难或不可能。
由于 Ghostscript 可以接受 PostScript和PDF 作为输入，因此在将 PDF 输入到 txtwrite 设备之前将其转换为 PostScript 没有任何价值。您所做的只是让设备的生活变得更加困难并丢弃有用的信息。
只需使用 Ghostscript 和 txtwrite 设备，并将 PDF 文件作为输入。
OCR 自然会起作用，因为它会扫描文本的形状以确定字符，但它的速度很慢。另一方面，它适用于仅包含文本图像而不是实际文本的 PDF 文件，而 txtwrite 设备则不会。