使用 Ghostscript 将可搜索的 PDF 转换为可搜索的 PDF/A

Posted 2023-02-25

【中文标题】使用 Ghostscript 将可搜索的 PDF 转换为可搜索的 PDF/A

【英文标题】：Convert a searchable PDF to searchable PDF/A using Ghostscript

【发布时间】：2015-08-04 17:36:30

【问题描述】：

我正在使用 Ghostscript 通过命令行将 PDF 转换为 PDF/A：

gs -dPDFA -dBATCH -dNOPAUSE -sProcessColorModel=DeviceCMYK -sDEVICE=pdfwrite -sPDFACompatibilityPolicy=1 -sOutputFile="output.pdf" input.pdf

但输出文件丢失了可搜索的文本属性。

如何获得可搜索的 PDF/A 文件作为输出？

谢谢。

【参考方案1】：

您没有提供要查看的输入文件，也没有提及您使用的是哪个版本的 Ghostscript。

让我从我关于这个主题的标准讲座开始；当您将 PDF 文件作为输入并使用 Ghostscript 的 pdfwrite 设备生成新的 PDF 文件时，您不“转换”、“编辑”或“修改”输入文件。

PDF 解释器会解释 PDF 文件，并生成一系列图形基元，然后将其提供给图形库。然后处理这些原语，并将它们传递给设备。然后设备将它们发送到输出文件。在渲染设备（例如 TIFF）的情况下，它将操作渲染到位图，当它到达文件末尾时，它将位图作为文件写入。在 pdfwrite 的情况下，它将这些原语重新组合成一个全新的 PDF 文件。

所以输出的 PDF 文件与输入的 PDF 文件没有任何共同之处，除了它的外观。

这种方法有缺点（它确实限制了我们保留输入文件的一些非打印方面），但也有优点；例如，它允许我们改变色彩空间、展平透明度、更改字体编码等。

除此之外，您还选择创建 PDF/A 文件。 PDF/A 限制了 PDF 规范的可用功能，并且可能（如果不查看原始文件就无法判断）根本不可能在不改变某些方面的情况下将原始 PDF 文件表示为 PDF/A 文件。

再一次，我可以说没有看到原始文件，但可能是您根本无法实现您想要的，或者至少没有使用 Ghostscript。

【讨论】：

实际上，一些输入文件返回正确（正确意味着想要）输出。我意识到我的问题出现在使用 DOMPDF 通过 html 到 PDF 过程制作的输入 PDF 上。我将继续研究它并进行测试。感谢关注。