pdf2image错误字体和裁剪文本

Question

我正在将我的PDF转换成Python中的图像，其中包含来自pdf2image库的convert_from_path。

这是原始的PDF：

​

这是生成的图像：

​

正如您所看到的，这里的问题是图像中的字体不是很好的字体，而且还缺少一些文本(底部的附件)。因此：

• 为什么我的短信被剪掉了？
• 如何将字体添加到pdf2library？

编辑：链接到PDF (将其下载到您的计算机，以便查看正确的字体，即Mistral)

Answer 1

打开文件时，外观应该是这样的，字段没有突出显示。有一些文本，如" "和字段，似乎在深入挖掘，需要在视觉上改变NeedAppearances true。

​

​

而其他人可能试图在实地位置放置一些东西，并与多行条目进行斗争，因为这是PDF的正常行为，因为在PDF中，单行打印机的文本块是正常的。一个很好的简单的字体测试，是在MS中为一个放置良好的字体，它能被选中并大声读出吗？这里不是这样的，所以插入的文本有问题。稍后，我们看到它们是FDF (即纯文本)条目。

​

​

当使用非14基字体时，它们必须是完全嵌入式的或更糟的子集，但在这两种情况下，字体许可证都可能有限制，这也应该是支票:-)双关。

字体可能没有很好的嵌入，所以有些观众可能看到除了搜索之外，没有什么是可以搜索的，但是文件中说，使用中的基本字体是BaseFont/BCDEEE+Calibri & FontName/BCDEEE+Calibri (想必是所有这些空白文本)，其中包括嵌入在字体中的“使用许可证”，(2018年微软).为了..。圣经希伯来文..。是麻省理工学院许可下的开源软件..。你可以用这个字体来创建..。微软..。内容..。禁止任何其他用途。Producer(DocHub v5.0.7, build 9d3cd43) (来自MS Office 365)。

与字段相关的另一种字体是/Font << /FThcmByOND，后来被称为/BaseFont/Helvetica，该字体可能是用于自调整字段的字体。Adobe还报告说，有一个MyriadPro-正则嵌入式作为开放类型的地方(我不能很容易地看到该许可，所以可能被排除或编码)。

但是，如果不像Xchange窗口那样应用嵌入式字符，那么字体在Windows上很可能默认为Arial。

从内部看，我们可以看到左边的所有文本都被描述为“”，因此没有任何要显示的内容，虽然文件声明它可以总体上使用卡利布里，但这里的字体名称默认为不可见的Arial。

因此，许多行为冲突导致无法使用字体。可见文本来自表单字段，根据这些字段的定义方式，需要修改它们的外观，这在某些查看器中是不允许的，因此出现了初始的空白支票条目。

​

​