Ghostscript输出PDF：文本无法复制

Question

我正在使用 TCPDF 来创建 PDF 文件。

因为 TCPDF 在字体子集 (link to bug) 中存在错误，
我使用以下 Ghostscript 命令对 TCPDF 创建的 PDF 文件中的字体进行子集化：

gswin64c.exe -q -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 \
    -dPDFSETTINGS=/prepress -dUseFlateCompression=false -dEmbedAllFonts=true \
    -dSubsetFonts=true -sOutputFile="out.pdf" "input.pdf"

效果很好，可以减小文件大小。但是，当我尝试将 PDF 文件解析为文本时（使用 poppler -> pdftotext），或者当我在 PDF 查看器中打开文件并选择文本时，我会在 UTF-8 字体上出现乱码。

为了在这里重现它是file before ghostscript和file after ghostscript。

如果您在 Adob​​e 阅读器中打开它，复制文本并将其粘贴到其他位置，您可以看到您可以从“GS 之前”的文件中复制文本。但是在第二个文件中，除非你复制英文字符（文件是希伯来语），否则你会得到乱码。

除了文件看起来很棒。

您对如何在 Ghostscript 中保留 UTF8 字体有任何想法吗？

Answer 1

是的，不要子集字体。子集字体会导致它们被重新编码。因为您的字体没有 ToUnicode CMap，所以复制/粘贴只能通过启发式方法工作（即字符代码必须是有意义的）在您的情况下，字符代码是或看起来是 Unicode，所以您很幸运，启发式工作。

一旦您对字体进行子集化，Ghostscript 就会重新编码它们。所以字符代码不再是Unicode。在没有 ToUnicode CMap 的情况下，复制/粘贴不再起作用。

让这个工作的唯一方法是不重新编码字体，这意味着你不能使用 Ghostscript 的 pdfwrite 设备对它们进行子集化。事实上，因为您使用的是带有 TrueType 轮廓的 CIDFonts，所以您无法避免对字体进行子集化，所以基本上，这是行不通的。

请记住，Ghostscript 的 pdfwrite 设备并非用于处理 PDF 文件的工具！

顺便说一句，您的 PDF 文件还有其他问题，它将字体（Tf 运算符）缩放为 0，并且它有一个用于所有坐标均为 0 的表单的 BBox（实际上表单没有内容，太没有意义了）。这是对没有 ToUnicode CMap 的 CIDFont 的补充。也许您应该考虑使用不同的工具来生成 PDF 文件。