Text 使用重影脚本将PostScript转换为文本

我想从PostScript文档中提取文本数据。问题是，当我使用GhostScript这样做时，一些文本将被正常提取，而其他文本将被转换为奇怪的符号字符

我意识到，由于许可证限制，通常提取的文本是GhostScript不会将其嵌入PDF的字体。而且，讽刺的是，没有授权限制的字体（通常嵌入在PDF中）并没有正确地转换回来

我尝试了txtwrite设备直接将PostScript转换为文本，也尝试了pdfwrite设备先将PS转换为PDF，然后从PDF文档中提取文本，但两者都不起作用

我想也许我可以用不受支持的字体替换所有字体，以便正确提取文本数据，但结果表明，没有简单的方法可以做到这一点

---

你认为我应该怎么做？

造成这种情况的原因通常是字符以非标准方式编码。恐怕你没什么办法了，除了通过比较可读的附言和提取的文本，找出哪些“奇怪的符号字符”与实际字符相对应。然后，您可以通过使用预期的字符替换奇怪的字符来重建原始文本。

原因通常是字符以非标准方式编码。恐怕你没什么办法了，除了通过比较可读的附言和提取的文本，找出哪些“奇怪的符号字符”与实际字符相对应。然后，您可以通过用指定字符替换奇怪字符来重建原始文本。

谢谢您，托马斯，但我认为这也行不通，即使我创建了一个字符映射器来替换奇怪字符，我如何在文本中的所有正常字符中识别它们（奇怪字符）？此外，每个字体都会转换成一系列不同的奇怪字符，因此我还应该知道每个字符的字体类型，这在将其提取到文本中后是不可能的。正如我所说，你可以做的不多。。。这需要很多努力。谢谢你，托马斯，但我认为这也行不通，即使我创建了一个字符映射器来替换奇怪的字符，我如何在文本中的所有正常字符中识别它们（奇怪的字符）？此外，每个字体都会转换成一系列不同的奇怪字符，因此我还应该知道每个字符的字体类型，这在将其提取到文本中后是不可能的。正如我所说，你可以做的不多。。。这需要很多努力。