utf-8 - 将 .ps 文件转换为 .txt（俄语）

Question

我正在研究虚拟打印机的项目，我想将 ps 文件转换为 txt 和 pdf。我正在使用 ps2pdf 并且它可以很好地转换为 pdf，但是当我想将 ps 文件转换为 txt 时，我使用 ps2ascii ，然后出现了问题。ps 文件包含俄语符号。如何将 ps 文件转换为 txt（俄语）？我在网上看到这是 unicode 问题。

Answer 1

ps2ascii 只处理 ASCII（很明显，线索就在名称中）。ps2ascii shell 脚本和 PostScript 程序已从标准 Ghostscript 源代码树中删除，因为它太有限了，而且有更好的选择。

使用 PostScript 的问题在于，无法保证将用于呈现文本的字符代码与 Unicode 或任何其他标准文本编码相关联。PostScript 是一种用于打印而非编辑的语言。

您可能很幸运，这完全取决于您生成的 PostScript 程序使用的字体和编码/CMap。我注意到您说的是“虚拟打印机”，这是在 Windows 上吗？如果是这样，您可能会走运，Windows PostScript 打印机驱动程序在将某些字体嵌入 PostScript 程序时会向至少某些字体添加额外（完全非标准）信息。此附加信息可用于检索 Unicode 代码点。

我会首先在 PostScript 上尝试 Ghostscript 的 txtwrite 设备（你应该直接使用 Ghostscript 而不是使用预烘焙的脚本），看看它是否能够提取文本。

如果没有，请尝试从 PostScript 创建 PDF 文件，然后在 PDF 文件上使用 txtwrite 设备。我不确定 txtwrite 设备是否具有 pdfwrite 设备的所有花里胡哨，它可能无法直接使用字体中的 Unicode 信息，但它肯定可以使用 PDF 文件中的信息。

我可能还应该指导您阅读 Ghostscript 的许可证，它是 AGPL 版本 3，这样您就不会在发现由于法律原因而无法使用的东西上浪费时间。

[编辑]

经过快速检查，我们似乎删除了 ps2ascii PostScript 程序，但将 ps2ascii 脚本改为使用 txtwrite 设备。因此，如果您使用相当新的 Ghostscript 版本，就会发生这种情况。如果这不能产生可接受的文本，请尝试创建一个 PDF 文件并在其上运行 ps2ascii。如果这不起作用，那么很可能您根本无法做您想做的事情，信息已在打印过程中消失。

如果您制作了一个无法使用的示例 PostScript 文件，我可以更明确地说。