如何使用utf-8将txt转换为pdf？

Question

我使用以下命令将txt转换为ps。然后将ps转换为pdf。

enscript --header='Page $% of $=' --word-wrap -o output.ps 2>/dev/null < input.txt

但它不适用于utf-8输入。

enscript --header='Page $% of $=' --word-wrap -o output.ps 2>/dev/null <<< ℃

上面的命令在输出文件中生成â\204\203。

我看到有讨论说enscript不支持utf-8。似乎有几种方法可以将txt转换为pdf。但目前还不清楚哪一个是最健壮和最方便使用的。有没有人知道这个问题的最佳解决方案？

Answer 1

将此作为编程问题来处理，而不是请求软件推荐(这将是离题的)。

您不能使用UTF-8，或者至少不能简单地使用它。PostScript根本不直接支持UTF-8。然而……

由于PostScript是一种编程语言，您可以编写一个程序来检查UTF-8序列的第一个字节，看看它是字符码，还是表示更多字节的码。本质上是取消编码以生成Unicode代码点。

在此基础上，使用字形名称和Unicode代码点的列表，您可以创建具有自定义编码的字体，而不是将UTF-8写入PostScript程序，而是编写单个字节，它通过编码将字符代码映射到相关的字形名称。

或者，您可以定义一个CIDFont，然后创建一个CMap，它将UTF-8的可变长度字节序列映射到CID中，以引用字体中的正确字形。IIRC现在已经有了UTF-16cjkv，事实上，Adobe已经提供了一些UTF-16和UTF-32版本的here，它还包括用于各种CMaps语言的UTF-16和UTF-32版本。

请注意，虽然这些方法将生成正确呈现的PostScript，然后可用于创建正确显示的PDF文件，但无法复制/搜索生成的PDF文件。

为了搜索PDF文件，字体必须具有关联的ToUnicode CMap，这是一个仅用于PDF的结构，它在PostScript中不存在，并且没有PostScript等效项。因此，无法将这些信息嵌入到PostScript程序中，这意味着它无法嵌入到PDF文件中。