0

从一个所有文本都可搜索的 pdf 文件开始，我使用以下命令将其转换为一个新的 ps 文件：

gswin64c -q -dSAFER -dNOPAUSE -dBATCH  -sDEVICE=ps2write -dDOPDFMARKS -dLanguageLevel=2 -sOutputFile="new.ps" "old.pdf"

之后，我new.ps使用以下命令将文件转换为 pdf：

gswin64c -q -r400 -dNOPAUSE -dBATCH -sDEVICE=pdfwrite  -dSubsetFonts=false -dAutoRotatePages=/PageByPage -dAutoRot -dCompatibilityLevel=1.2 -sOutputFile="new.pdf" new.ps

在 new.pdf 文件中，我无法搜索文本，尽管一切都是可见的。我怎么解决这个问题？

这就是我正在使用的：GPL Ghostscript 9.20 (2016-09-26)

这是 new.ps 文件的输出：

'https://pastebin.com/HTXZJnKY'
4

1 回答 1

0

首先; 不要转到 PostScript，然后转到 PDF。如果您想要一个新的 PDF 文件，请直接从原始 PDF 制作它。

您还没有提供要查看的文件，所以我在这里所说的一切都是推测，但是.... PDF 文件可以（并且经常）包含 ToUnicode CMap。这会将字符代码映射到 Unicode 代码点，并且是复制/粘贴/搜索文本的可靠方式。

用于打印（在纸上）的 PostScript 没有任何此类机制。因此，通过创建一个 PostScript 文件，然后从该 PostScript 创建一个新的 PDF 文件，如果存在 ToUnicode 信息，您将丢失它。

此外，如果原始文件缺少 ToUnicode，则可能是所使用的字符代码恰好与 ASCII 匹配。ps2write 和 pdfwrite 的默认设置是子集字体。这具有更改字符代码的效果，以便第一个字形获得字符代码 1，第二个字形获得字符代码 2，依此类推。所以 Hello 变成了 0x01, 0x02, 0x03, 0x03, 0x04。

您还使用了 3 年的 Ghostscript 版本。当前版本是 9.50，无论如何您都应该升级到该版本，即使它不会影响这种特殊情况。

你的命令行有问题；您不需要为 ps2write 指定 LanguageLevel=2，这是默认设置。您没有为 ps2write 指定 -dSubsetFonts=false，因此为 pdfwrite 指定它没有意义，损坏是在第一遍中完成的。-dAuoRot不会做任何事情。除非您有充分的理由，否则不应更改分辨率。设置 -dDOPDFMARKS 不会将 PDF 文件中的所有“元数据”保留到 PostScript 文件中。诸如大纲和注释之类的大量内容将不会被保留。

您为 pdfwrite 指定了非常低的 CompatibilityLevel，这是为什么呢？无论如何，这毫无意义，因为您是从 2 级 PostScript 开始的。

总而言之；不要做PDF->PS->PDF，只做PDF->PDF

如果这不能达到你想要的，你将不得不提供一个例子，并更具体地说明你的目标是什么。

于 2019-12-05T21:18:19.150 回答