我有一个包含 Type 3 字体的 postscript 文件。使用“gs”命令将该 postscript 转换为 pdf 后，我无法从 pdf 文件中提取文本。是否有可能避免将 Type 3 字体更改为其他字体字体，通过替换或其他方式，以便我可以复制文本？
【问题讨论】：
标签： pdf pdf-generation itext ghostscript postscript
这是对 type 3 字体的另一种误解。字体是类型 3 字体这一事实与使用该字体的 PostScript 程序或 PDF 文件是否为“searchab;e”无关。
PostScript 和 PDF 中的字体具有“编码”，它将字符代码 0-255 映射到字体中的命名过程。执行该过程会绘制字形。字符代码可以是任何字符，但通常（对于拉丁字体）选择匹配 ASCII 编码。
PDF 具有 ToUnicode CMap 的附加概念，即将字体中的字符代码映射到 Unicode 代码点的附加信息。 PostScript 没有这样的类似物，这不是 PostScript 的用途（它也不是 PDF 最初的用途，这就是为什么 ToUnicode CMaps 是后来添加到 PDF 标准的原因）。
在没有 ToUnicode CMap 的情况下，Acrobat 使用未记录的启发式方法来尝试猜测文本是什么。显而易见的（也是我们唯一知道的）是将字符代码视为 ASCII。
现在，如果您的原始 PostScript 程序具有将字符代码映射为 ASCII 的编码
如果您的原始 PostScirpt 文件没有使用 ASCII 字符代码对字体中的字形进行排序，那么除了应用 OCR 之外您无能为力，信息根本不存在。
但是忘记更改字体类型，不仅不可能，而且不是问题。
【讨论】：