pdf - 使用Ghostscript处理(重新映射)PDF中的丢失/有问题的(CID/CJK)字体？

简而言之，我正在处理一个有问题的PDF，其中:

由于缺少字体信息，因此无法像evince这样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，不管ghostscript用什么填充空格(可能是后备字形，还是访问字体的其他方法)，我都希望能够使用ghostscript生成(“提取”)输出PDF，其中除了添加字体信息外，几乎没有任何改变，因此evince可以以与ghostscript相同的方式呈现相同的文档。

我的问题是-这是否可能做到？如果是这样，那么实现这样的目标将是什么命令行？

预先感谢您的任何回答，
干杯!

细节:

我实际上是在较旧的Ubuntu 10.04上，并且可能遇到-不是bug-而是evince(缺少poppler-data软件包)的安装问题，如Bug #386008 “Some fonts fail to display due to “Unknown font tag...” : Bugs : “poppler” package : Ubuntu中所述。

但是，这正是我要处理的内容，因此我将使用该帖子所附的fontspec.pdf(“PDF triggering the bug.”，//v.)来演示此问题。
evince
首先，我以evince打开此pdf的第3页；和evince提示:

$ 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'
...

渲染看起来像这样:

...很明显，缺少某些字体形状。

Adobe acroread
只是关于Adobe的Linux版Acrobat Reader表现的注释；以下命令行:

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

...不会对终端产生任何输出(有关/a开关的更多信息，请参见Man page acroread)-程序显示字体绝对没有问题。

另外，尽管我希望避免往返于后记-但是，请注意acroread本身可用于将PDF转换为后记:

$ ./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 ./

同样，以上命令行将不产生任何输出到终端；之所以存在-optimizeForSpeed -saveVM，是因为它们显然处理字体。最后一个参数./是输出目录(输出文件自动称为fontspec.ps)。

现在，evince可以在fontspec.ps输出中显示以前缺少的字体-但又会提示:

$ 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
...

...，而且，所有文本似乎都在后记中弯曲成曲线了-因此，现在无法再通过evince选择.ps文件中的文本了(请注意，无法在acroread中打开.ps文件)。但是，您可以再次将此.ps转换回.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

...现在pstopdf输出中的文本可以在evince中选择，所有字体都在那里，并且evince不再提示了。但是，正如我所指出的，我希望避免完全往返于Postscript文件。
display(来自imagemagick)

我们还可以使用imagemagick的display观察同一文档中的页面(请注意，显然image panning from the commandline using 'display'仍然不可用，因此我在下面使用了-crop来调整视口(viewport)):

$ 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.

...会产生一些ghostscrip ish错误-并产生如下结果:

...很明显，现在正确显示了evince的imagemagick，显示了display无法呈现的丢失字体。
ghostscript
最后，我们可以use ghostscript as x11 viewer本身-观察相同的页面，相同的文档:

$ 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

...并显示以下结果:



结论:ghostscript(显然是扩展名imagemagick)似乎可以找到丢失的字体(或至少替换它)，并用该字体呈现页面-即使evince在同一文档中失败了。

因此，我只想从ghostscript导出PDF版本，该版本仅嵌入缺少的字体，而没有其他处理。所以我尝试这样:

$ 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.

...但是它不起作用-输出文件mypg3out.pdf遭受了与前面提到的evince完全相同的问题。

注意:虽然我想避免后记往返，但是gs命令行的一个很好的示例是从pdf到ps并带有字体嵌入的代码在这里:(#277826) pdf - How to make GhostScript PS2PDF stop subsetting fonts;但是从.pdf到.pdf的同一命令行开关似乎对上述问题没有任何影响。

最佳答案

OK点1;您将无法使用Ghostscript和pdfwrite创建PDF文件，而无需进行任何其他处理。

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，并将其传递给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，它将始终创建一个新文件。

现在，我建议您首先将9.02 Ghostscript升级到9.05。缺少CIDFonts的问题在9.05中得到了更好的处理(今年晚些时候在9.06中将得到进一步的改进)。 (您缺少的字体“Osaka Mono”实际上是CIDFont，而不是常规字体)

使用当前的最新边缘，Ghostscript代码会为我生成一个PDF文件，其中嵌入了缺少的字体。我无法确定这是否对您有用，因为我的evince副本可以很好地呈现原始文件。

以后添加

检查原始的PDF文件，我发现那里的字体确实是嵌入的(正如我期望的那样，因为它们是子集)。因此，实际上，正如您在上面的回答中说的那样，问题不在于字体嵌入，而在于CIDFonts的使用。

我的回答对您无济于事，因为pdfwrite仍会在输出中产生CIDFont。基本上，这是您的版本或evance安装中的缺陷。

“重新映射”字符的问题在于，字体限制为256个字形，而CIDFont实际上没有限制。因此，无法将CIDFont放入字体中。唯一的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。慢而笨拙。

如果您使用ps2write设备转换为PostScript，则它将为您完成此操作，但是您冒着很大的风险，即在此过程中会将矢量字形数据转换为位图，无法很好地缩放比例。

从根本上讲，您无法真正使用Ghostscript或实际上我所知道的任何其他工具来实现自己想要的功能(将1个CIDFont转换为N个常规字体)。尽管从技术上讲它是可行的，但没有实际意义，因为所有PDF使用者都应该能够处理CIDFonts。如果他们不能这样做，那么这是PDF使用者中的一个错误。

关于pdf - 使用Ghostscript处理(重新映射)PDF中的丢失/有问题的(CID/CJK)字体？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/11093051/