Ghostscript -字符编码的问题

Question

我有一个PDF/A文档已经在我的扫描仪OCRed。文件有点倾斜，所以我用幽灵脚本将它旋转1度，如下所示：

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

(这是一个改编自另一个线程的片段)

它做得很好，但是有文本编码的东西是不对的--当我从原始文档复制和粘贴带有波兰字母的单词(ąśćęłńźż)时，一切正常，但是当我从上面的命令复制和粘贴相同的单词时，这个波兰字母被转换为'~‘("opłata“-> "op~ata"，"wpłynęło”->“wp~yn~o”))。我怎样才能保存这些文字？我真的需要它不变。

编辑:上述命令的输出：

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

首先要尝试的是而不是来设置SubsetFonts=true。

如果您的原始PDF文件没有ToUnicode CMap，那么您可以选择“启发式”(也称为猜测)来从给定的字符编码中确定Unicode点。

如果原始文档工作正常，那么字符编码很可能与ASCII或类似的字符编码相匹配。但是，当您对字体进行子集时，编码会被更改。基本上，遇到的第一个字符变成编码位置1，第二个字符变成2，等等。

当然，当你试图剪切和粘贴时，这会引起问题。

但是，考虑到您使用的字符超出了正常的ASCII范围，这不太可能是问题所在。

您可能使用的是旧版本的Ghostscript+pdfwrite (您实际上没有说明所使用的版本，也没有提供后面的通道输出，也就是说)及其已修复的错误。

但是坦率地说，没有看到输入的PDF文件，任何人几乎不可能弄清楚为什么新的PDF文件是不同的，因此不可能为您提供任何有用的建议，除了猜测。