删除使用 pdfTk 创建的 pdf 中的多个嵌入字体

Question

有没有办法从 pdf 文件中删除多次嵌入的字体？

这是我的场景：

1) 一个程序生成几个单页的 pdf 报告（查询数据库，将信息放在 excel 模板上，并将格式化的信息导出为 pdf）

2) pdftk 将单页 pdf 合并到一个文件中。

一切正常，但是生成的 pdf 的大小非常大：事实上，我注意到字体被嵌入了多次（与页数一样多次：所有页面都是从同一个 excel 开始生成的模板，字体嵌入在单个 pdf 文件中，pdftk 只是粘合 pdf）。有没有办法只保留每个嵌入字体的一个副本？

我尝试在从 excel->pdf 导出时仅在第一页嵌入字体：文件大小显着减小，但其他页面似乎无法访问嵌入的字体。

谢谢， 亚历山德罗

Answer 1

您可以尝试使用 Ghostscript（但使用最新版本，例如 9.05）“修复”您的 pdftk 级联 PDF。在许多情况下，Ghostscript 将能够将许多子集字体合并为更少的字体。

命令如下所示：

gswin32c.exe ^
    -o output.pdf ^
    -sDEVICE=pdfwrite ^
    -dPDFSETTINGS=/prepress ^
     input.pdf

检查

pdffonts.exe  output.pdf
pdffonts.exe  input.pdf 

每个文件中有多少个不同字体子集的实例（pdffonts.exe 可用于here 作为小package of commandline tools 的一部分）。

但不要抱怨这个过程的“速度慢”——Ghostscript 确实会完全解释所有 PDF 输入文件以完成其任务，而 pdftk 文件连接是一个更简单的过程......

---

更新：

您可以使用 Ghostscript 来合并您的输入 PDF 文件，而不是 pdftk。这可能会避免您在对 pdftk 合并文件进行后验 Ghostscript“修复”时看到的问题。请注意，这将比 'dumb' pdftk 合并慢得多。但是，结果可能会让您更满意，尤其是在字体处理和文件大小方面。

这是一个可能的命令：

gswin32c.exe ^
    -o output.pdf ^
    -sDEVICE=pdfwrite ^
    -dPDFSETTINGS=/prepress ^
     input.pdf

您可以向 Ghostscript CLI 添加更多选项，以便对合并和优化过程进行更精细的控制。

最终你必须在两个极端之间做出决定：

• 'Fast' pdftk 生成大型输出文件，对比
• “慢”gswin32c.exe (Ghostscript) 生成精益输出文件。

如果您能针对您的多个合并过程发布这两种方法的一些结果（执行时间和生成的文件大小），我会很感兴趣...

---

更新 2：抱歉，我之前的版本有错字。
不是-sPDFSETTINGS=...，但必须是-dPDFSETTINGS=...（d 代替s）。

---

更新 3：

由于您的源文件是由模板制作的 Excel 工作表（通常不会使用很多不同的字体），您可以尝试使用一种技巧来确保 Ghostscript 具有所有所需字体的所有字形- 稍后合并 PDF：

• 为每种字体和字体（标准、斜体、粗体、粗斜体）添加一个表格单元格到您的模板表中在打印区域的左上角。
• 用 ASCII 字母表中的所有可打印字符和标点符号填充此表格单元格：0123456789、ABCD...XYZ、abc...xyz、:-_;°%&$§")({}[] 等。
• 使单元格（和字体大小）尽可能小，以免影响您的整体布局。使用白色来格式化单元格中的字符（使它们在最终的 PDF 中不可见）。

此方法有望确保您的每个 PDF 将使用相同的字形子集，从而避免您在使用 Ghostscript 合并文件时观察到的问题。 （注意，如果您使用 fe Arial 和 Arial-Italic，您必须创建 2 个这样的单元格：一个使用标准 Arial 字体格式化，另一个使用斜体格式化。）

Answer 2

创建 PDF 文件时，字体通常是子集，因此它们只包含所需的字形。此外，编码被更改，因此使用的第一个字形被分配字符代码 1，第二个被分配字符代码 2，依此类推。

因此，第一个 PDF 文件可能包含 0x01 = A、0x02 = 空格、0x03 = t、0x04 = e 和 0x05 = s 的字体。第二个文件可能包含一个字体，其中 0x01 = T, 0x02 = e, 0x03 =s, 0x04 = t

为了不混淆，在文档中的字体名称中添加了前缀。 Acrobat 在显示嵌入的字体时会删除此前缀，因此 似乎 您有多个相同字体的实例。但实际上它们是不同的字体，不能轻易组合。

假设是这种情况（我需要查看您的文件以确定），“可能”可以避免这种情况。如果您将 PDF 生成软件设置为不使用子集字体，那么 pdftk 可能能够合并文档而无需多次包含相同的字体。我显然没有对此进行过测试，但它可能会起作用。您的另一个选择是修改您的工作流程，以便首先将报告生成为多页文档。