使用ghostscript处理(重新映射)PDF中的缺失/有问题(CID/CJK)字体？

Question

使用ghostscript处理(重新映射)PDF中的缺失/有问题(CID/CJK)字体？

简而言之,我正在处理一个有问题的PDF,其中:

evince由于缺少字体信息,无法在文档查看器中完全呈现;
但是 - ghostscript可以完全呈现相同的PDF.

因此 - 无论ghostscript填写空白的用途(可能是后备字形,或访问字体的不同方法) - 我希望能够ghostscript用来生成("提取")输出PDF,其中几乎除了添加的字体信息之外,什么都不会改变,因此evince可以以相同的方式呈现相同的文档ghostscript.

因此,我的问题是 - 这是否可行; 如果是这样,那么命令行会是什么样的呢？

非常感谢任何答案,
干杯!

细节:

我实际上是在一个较旧的Ubuntu 10.04,我可能正在经历 - 不是一个错误 - 但安装问题evince(缺少poppler-data包),如Bug#386008中所述"由于"未知的字体标记,某些字体无法显示. ..:"Bugs:"poppler"包:Ubuntu.

但是,这正是我想要处理的内容,因此我将使用fontspec.pdf附加到该帖子(" PDF触发错误. ",//v.)来演示问题.

`evince`

首先,我打开这个pdf的第3页evince; 并evince抱怨:

$ evince --page-label=3 fontspec.pdf

Error: Missing language pack for 'Adobe-Japan1' mapping
Error: Unknown font tag 'F5.1'
Error (7597): No font in show
Error: Unknown font tag 'F5.1'
Error (7630): No font in show
Error: Unknown font tag 'F5.1'
Error (7660): No font in show
Error: Unknown font tag 'F5.1'
...

Run Code Online (Sandbox Code Playgroud)

渲染如下所示:

了Evince-PDF-missfont-render.png

......很明显,缺少某些字体形状.

土砖 `acroread`

关于Adobe的Acrobat Reader for Linux如何表现的说明; 以下命令行:

$ ./Adobe/Reader9/bin/acroread /a "page=3" fontspec.pdf

Run Code Online (Sandbox Code Playgroud)

...不会向终端生成任何输出(有关/a切换的更多信息,请参阅手册页acroread) - 程序显示字体绝对没有问题.

_{此外,虽然我想避免往返附录 - 但请注意,acroread它本身可用于将PDF转换为postscript:}

$ ./Adobe/Reader9/bin/acroread -v
9.5.1

$ ./Adobe/Reader9/bin/acroread -toPostScript \ 
-rotateAndCenter -choosePaperByPDFPageSize \
-start 3 -end 3 \
-level3 -transQuality 5 \
-optimizeForSpeed -saveVM \
fontspec.pdf ./

Run Code Online (Sandbox Code Playgroud)

同样,上面的命令行将不会向终端生成输出; -optimizeForSpeed -saveVM是因为显然他们处理字体; 最后一个参数./是输出目录(自动调用输出文件fontspec.ps).

现在,evince 可以在fontspec.ps输出中显示以前丢失的字体- 但是再次抱怨:

$ evince fontspec.ps 
GPL Ghostscript 9.02: Error: Font Renderer Plugin ( FreeType ) return code = -1
GPL Ghostscript 9.02: Error: Font Renderer Plugin ( FreeType ) return code = -1
...

Run Code Online (Sandbox Code Playgroud)

...此外,所有文本似乎都被扁平化为postscript中的曲线 - 所以现在无法再选择.ps文件中的文本evince了(请注意.ps文件无法打开acroread).但是,可以将此.ps再次转换为.pdf:

$ pstopdf fontspec.ps   # note, `pstopdf` has no output filename option;
                        # it will automatically choose 'fontspec.pdf',
                        # and overwrite previous 'fontspec.pdf' in 
                        # the same directory

Run Code Online (Sandbox Code Playgroud)

...现在pstopdf可以选择输出中的文本evince,所有字体都在那里,并且evince不再抱怨了.但是,正如我所指出的,我想完全避免往返postscript文件.

`display`(来自`imagemagick`)

我们还可以使用imagemagicks 观察同一文档中的页面display(请注意,使用'display'从命令行进行的图像平移显然仍然无法使用,因此我在-crop下面使用它来调整视口):

$ display -density 150 -crop 740x450+280+200 fontspec.pdf[2]
   **** Warning: considering '0000000000 00000 n' as a free entry.
...
   **** This file had errors that were repaired or ignored.
   **** The file was produced by: 
   **** >>>> Mac OS X 10.5.4 Quartz PDFContext <<<<
   **** Please notify the author of the software that produced this
   **** file that it does not conform to Adobe's published PDF
   **** specification.

Run Code Online (Sandbox Code Playgroud)

...产生一些ghostscripish错误 - 并产生如下结果:

ImageMagick的显示-pdf.png

...显而易见的是evince,现在在这里显示了无法渲染的丢失字体,正确地显示了imagemagicks display.

`ghostscript`

最后,我们可以使用ghostscript作为x11查看器本身 - 观察同一页面,同一文档:

$ gs -sDevice=x11 -g740x450 -r150x150 -dFirstPage=3 \
-c '<</PageOffset [-120 520]>> setpagedevice' \
-f fontspec.pdf

GPL Ghostscript 9.02 (2011-03-30)
Copyright (C) 2010 Artifex Software, Inc.  All rights reserved.
This software comes with NO WARRANTY: see the file PUBLIC for details.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
Processing pages 3 through 74.
Page 3
>>showpage, press <return> to continue<<
^C

Run Code Online (Sandbox Code Playgroud)

...以及此输出的结果:

ghostscript的-PDF-view.png

总而言之:( ghostscript并且_显然是通过扩展imagemagick),似乎可以找到丢失的字体(或者至少是它的一些替代品),并使用该字体呈现页面 - 即使evince对于同一文档失败也是如此.

因此,我只想从中导出一个PDF版本ghostscript,只会嵌入缺少的字体,而不会进行其他处理; 所以我试试这个:

$ gs -dBATCH -dNOPAUSE -dSAFER  \
-dEmbedAllFonts -dSubsetFonts=true -dMaxSubsetPct=99 \
-dAutoFilterMonoImages=false \
-dAutoFilterGrayImages=false \
-dAutoFilterColorImages=false \
-dDownsampleColorImages=false \
-dDownsampleGrayImages=false \
-dDownsampleMonoImages=false \
-sDEVICE=pdfwrite \
-dFirstPage=3 -dLastPage=3 \
-sOutputFile=mypg3out.pdf -f fontspec.pdf

GPL Ghostscript 9.02 (2011-03-30)
Copyright (C) 2010 Artifex Software, Inc.  All rights reserved.
This software comes with NO WARRANTY: see the file PUBLIC for details.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
   **** Warning: considering '0000000000 00000 n' as a free entry.
Processing pages 3 through 3.
Page 3

   **** This file had errors that were repaired or ignored.
   **** The file was produced by:
   **** >>>> Mac OS X 10.5.4 Quartz PDFContext <<<<
   **** Please notify the author of the software that produced this
   **** file that it does not conform to Adobe's published PDF
   **** specification.

Run Code Online (Sandbox Code Playgroud)

...但它不起作用 - 输出文件mypg3out.pdf遇到与evince前面提到的完全相同的问题.

_{注意:虽然我想避免postcript往返,但是gs从pdf到ps并使用字体嵌入的命令行的一个很好的例子是:(#277826)pdf - 如何使GhostScript PS2PDF停止对字体进行子集化 ; 但是同样的命令行切换.pdf到.pdf似乎对上述问题没有任何影响.}

Answer 1

Ken*_*enS 3

好的点1；您不能使用 Ghostscript 和 pdfwrite 创建 PDF 文件“无需任何额外处理”。

pdfwrite 和 Ghostscript 的工作方式是完全解释传入的数据（PostScript、PDF、XPS、PCL 等），创建一系列图形基元，并将其传递到 pdfwrite 设备。然后 pdfwrite 设备将它们重新组合成一个全新的 PDF 文件。

因此不可能将 PDF 文件作为输入并对其进行操作，它总是会创建一个新文件。

现在，我建议您首先将 9.02 Ghostscript 升级到 9.05。缺失的 CIDFonts 在 9.05 中得到了更好的处理（并将在今年晚些时候的 9.06 中得到进一步改进）。（您缺少的字体“Osaka Mono”实际上是 CIDFont，而不是常规字体）

使用当前最先进的 Ghostscript 代码为我生成一个 PDF 文件，其中嵌入了缺失的字体。我无法判断这是否适合您，因为我的证据副本可以很好地呈现原始文件。

稍后添加

检查原始 PDF 文件，我发现其中的字体确实是嵌入的（正如我所期望的，因为它们是子集）。所以事实上正如您在上面自己的回答中所说，问题不是字体嵌入，而是 CIDFonts 的使用。

我在这里的回答不会对您有帮助，因为 pdfwrite 仍会在输出中生成 CIDFont。基本上，这是您的版本或证据安装中的缺陷。

“重新映射”字符的问题在于字体仅限于 256 个字形，而 CIDFont 实际上没有限制。所以没有办法将CIDFont放入Font中。执行此操作的唯一方法是创建多个字体，每个字体都包含原始字体的一部分，然后根据需要在它们之间切换。缓慢而笨重。

如果您使用 ps2write 设备转换为 PostScript，那么它会为您完成此操作，但您面临很大的风险，在此过程中它将把矢量字形数据转换为位图，而位图无法很好地缩放。

从根本上来说，使用 Ghostscript，或者事实上使用我所知道的任何其他工具，你无法真正实现你想要做的事情（将 1 个 CIDFont 转换为 N 个常规字体）。虽然它在技术上是可行的，但没有任何实际意义，因为所有 PDF 使用者都应该能够处理 CIDFonts。如果他们不能，那么它是 PDF 用户的一个错误。

归档时间：	13 年，7 月前
查看次数：	7869 次
最近记录：	13 年，7 月前

使用ghostscript处理(重新映射)PDF中的缺失/有问题(CID/CJK)字体？

细节:

evince

土砖 acroread

display(来自imagemagick)

ghostscript

`evince`

土砖 `acroread`

`display`(来自`imagemagick`)

`ghostscript`