Python Ghostscript PDF到PNG：结果图像中单词的字符间距混乱

从pdf文件中，我成功地为pdf中的每个页面生成了1个png图像

问题是，无论我使用什么设置，对于某些页面，GhostScript会弄乱字体间距，因此在某些PNG中，一个单词看起来像是2或3个单词

这是一个问题，因为我在evernote中使用这些文件，这会弄乱预期的搜索结果。因此，搜索“提供者”不会返回任何结果，因为在png文件中，它显示为“provider rs”（或“Users”显示为“Use rs”）

Dropbox链接到屏幕截图，左侧显示源pdf的原始文本，右侧显示生成的png-->

我对鬼脚本还不熟悉，我不知道为什么会发生这种情况

以下是我正在使用的命令行（在Python中）：

cmd=“gswin%sc”%（SYS\u PROCESSOR\u ARCH）+“-q-dNOPAUSE-dBATCH-dPDFFitPage=true-sDEVICE=png16m-r%s”%”（PNG\u RES）+“-sOutputFile=“+”%s\%s-pg-%%d.%s”“%s”“%”（outputdir，outputfilename前缀，后缀，pdfSourceFile）

或在运行时进行评估：

---

gswin64c-q-dNOPAUSE-dBATCH-dPDFFitPage=true-sDEVICE=png16m-r300X300-sOutputFile=“C:\EPTK-TMP\02-01-Introduction-pg-%d.png”“C:\EPTK-TMP\02-01-Introduction.pdf”

pdf示例中的字体是无衬线字体（没有小的装饰性线条结尾等），png示例中的字体是衬线字体（带着小小的装饰…）

因此，在进行PDF到PNG转换时，GhostScript由于某些原因没有使用正确的字体。这可能有以下几个原因：

1） 字体可能不会嵌入到PDF文件中，因此GhostScript必须找出其他的东西

2） 这些字体在您的系统上也可能不可用，因此GhostScript只是用一些默认字体替换它们。这会改变字母的外观，可能还会改变字母的宽度，从而产生间距问题

因此，问题是您是否首先生成PDF。如果是这样，您可能需要做得更好，以便GhostScript可以使用嵌入的字体。如果不生成PDF，可以尝试找出这些PDF文件中使用的字体，并确保系统上的GhostScript可以使用这些字体

---

我对GhostScript不太熟悉，但可能字体已经在您的系统中，这只是GhostScript找不到它们的问题。在这种情况下，请查看是否有命令行参数将其指向系统上的正确字体文件夹。

如何在Evernote中搜索PNG中的文本？是否有某种光学字符识别发生？我们的目标仅仅是在Evernote中使用PDF文本吗？是的，曾经在图像上进行过出色的OCR。事实上，到了生成与原始文档（pdf文档）相同的搜索结果的程度。它与众不同之处在于，与只搜索pdf文本的pdf搜索不同，我能够可靠地搜索原始pdf文档（png img）中嵌入的任何图像上出现的字符；作为一个侧面的注释，因为原来的海报似乎感到惊讶的中间词的空白：你看到的字形是捆绑在PDF页面内容描述中的组；然而，这些组不一定是在单词边界上划分的，但是如果单词中两个字形之间的默认距离要更正，以便更好的视觉外观，也可以在单词中间划分。好点——在一篇关于角质化的好文章中对此进行更多解释（实际上我从未听过这个词）。谢谢大卫·范·德里斯。是的，我确实怀疑发生了字体替换。在为Ghostscript（GhostView）运行前端gui工具时，我确实在其输出日志中看到它通常在pdf上进行字体替换（无可否认，令我沮丧的是——再说一次，我不是Ghostscript或字体专家）。从生成的图像中可以明显看出，字体与原始字体有很大的不同，但为什么它选择了如此不同的字体呢？原始源pdf（不是我制作的）由另一个工具拆分成章节，然后由Ghostscript处理。[附加--原始注释太长]我不相信我已经尝试过用Ghostscript处理原始（大）pdf。谢谢您的回复@mkl：你指的是什么pdf页面内容描述？如果我能检查一下这个实际页面/行/文本字符串的描述，那就太好了。我没有提供这种功能的工具（它只列出pdf中出现的所有字体）。如果一个单词退化到不再是一个单词而是三个单词（更糟糕的是，字母实际上看起来像是重叠的），那么更好的视觉外观是没有意义的；是的，我认为这个惊人的行为。