如何从 Ghostscript 生成的 PDF 中获取原始字体名称？

Question

我有一个由 Ghostscript 8.15 生成的 pdf。我需要从我的软件中处理这个 pdf，从 pdf 文件中提取字体名称，然后执行一些操作。但是当我从这个 pdf 文件中提取字体名称时，这些名称与应有的不同。例如：原始字体名称为“NOORIN05”，但 pdf 文件包含“TTE25A5F90t00”。如何将这些字体名称解码为原始名称。所有字体均为 TTF。

注意： 为什么我需要提取字体。 实际上有一个名为InPage的软件，在印度和巴基斯坦最有名，可以用乌尔都语编写文件，因为在文字处理器支持unicode之前，这是在计算机上输入乌尔都语的唯一解决方案。由于乌尔都语的复杂性，本软件使用了 89 种字体文件，命名为 NOORIN01 到 NOORIN89。使用太多字体文件的原因是包含所有超过 19000 的乌尔都语连字。因为每个文件只能包含 255 个连字，所以这就是他们在 unicode 之前使用这种技术的原因。现在复制并粘贴此软件生成的 pdf 文件中的文本，导致 MS Word 中出现垃圾。上面89个字体文件我讲的原因。所以没有办法从这种旧的 pdf 文件中提取文本。 （现在这个软件支持 unicode，但我说的是旧文件）。所以我用 C# 开发了一个软件来从这些旧的 pdf 文件中提取文本。我正在使用的算法创建一个数据库文件，其中包含 89 个字体文件的所有名称以及所有 aschii 代码，然后在下一列中，我在 unicode 中键入了 Urdu unicode ligature。我用字体逐个字符处理pdf文件，匹配我的数据库文件中的字体名称并从数据库中获取unicode连字，然后显示在文本框中。所以通过这种方式，我成功地得到了 unicode 文本。我的软件在许多 pdf 文件中运行良好。但是几天前，我收到一个人的投诉，称您的软件无法从该 pdf 中提取文本。当我测试时，我发现 pdf 文件不包含原始字体名称，所以这就是我的软件无法进行进一步处理的原因。当我检查这个 pdf 文件的属性时，它显示了 PDF 生产者 GPL Ghostscript 8.15。所以我在网上搜索并研究了与字体相关的文档，但仍然找不到任何线索来解码和获取原始字体名称。

Answer 1

您应该做的第一件事是尝试更新版本的 Ghostscript。 8.16已经14岁了.....当前版本是9.21。

如果没有保留原始名称（可能包括通常的子集前缀），那么我们需要查看一个显示问题的示例输入文件。

如果您要解释为什么需要提取字体名称，这也可能会有所帮助，可能您正在尝试一些根本不可能的事情。

[编辑}

好的，现在我明白了问题所在，恐怕您的问题的答案是“您无法获得原始字体名称”。

PDF 文件是根据（Adobe 创建的）Windows PostScript 打印机驱动程序的输出创建的。当将 TrueType 字体作为 42 型字体嵌入 PostScript 流时，它会为它们提供一个伪随机名称，该名称由“TT”和一些看起来像十六进制但实际上不是的附加字符组成。

Ghostscript pdfwrite 设备的旧版本（并且 8.15 是非常旧的）只是逐字使用该名称，这就是您提供的 PDF 文件中的字体名称所使用的名称。

较新的版本能够进一步挖掘字体并获取 PostScript 中存在的原始字体名称。不幸的是，旧版本没有保留这一点。一旦你把信息扔掉了，就没有办法再把它找回来了。

因此，如果您只有这个 PDF 文件，那么根本无法恢复字体名称。如果向您提供 PDF 文件的人可以使用更新版本的 Ghostscript 重新制作它，那么它将起作用。但我认为他们没有用于创建 14 年前文件的 PostScript 程序。