pdf - 合并PDF时，Ghostscript会跳过字符

Question

在Ubuntu上使用Ghostscript(8.71版)合并使用wkhtmltopdf创建的PDF文件时遇到问题。

我在随机情况下遇到的问题是，某些字符在合并过程中丢失，并在合并的PDF中被任何内容(或空格)所取代。如果我看原始的PDF看起来不错，但是合并后缺少一些字符。

请注意，一个丢失的字符(例如数字9或字母a)可能会在文档中的某个位置丢失，但在文档中的其他位置显示得很好，因此这不是显示它或出现字体问题的问题。

我正在使用的命令是:

gs \
   -q \
   -dNOPAUSE \
   -sDEVICE=pdfwrite \
   -sOutputFile=/tmp/outputfilename \
   -dBATCH \
    /var/www/documents/docs/input1.pdf \
    /var/www/documents/docs/input2.pdf \
    /var/www/documents/docs/input3.pdf 

任何其他经历过此事，甚至更好地知道解决方案的人？

Answer 1

如果嵌入式字体子集的名称相同，但是这些子集的实际内容不同(包含不同的字形集)，我已经看到这种情况的发生。
检查所有输入文件中使用的字体。为此使用Poppler的pdffonts实用程序:

 for i in input*.pdf; do
     pdffonts ${i} | tee ${i}.pdffonts.txt
 done

查找每个PDF中使用的字体名称。
我的理论/赌注是您看到不同的输入文件使用相同的字体名称(名称类似于 BAAAAA+ArialMT)。
用于子字体的 BAAAAA+字体名称前缀应该是随机的(尽管官方规范对此并不十分清楚)。但是，某些应用程序使用可预测的前缀，从 BAAAAA+， CAAAAAA+， DAAAAA+等开始。(OpenOffice.org和LibreOffice为此而臭名昭著)。这意味着在至少使用一个子集字体的每个文件中都会使用前缀 BAAAAA+ ...
很容易发生您的输入文件没有使用完全相同的字符子集的情况。但是，使用的相同名称可能会使Ghostscript认为字体确实是相同的。它(错误地)“优化”了合并的PDF，并且仅嵌入了两个字体实例之一(两者都具有相同的名称，例如 BAAAAA+Arial)。但是，此实例可能不包含某些字形，而这些字形是其他实例的一部分。
这导致合并输出中缺少某些字符。
我知道，最新版本的Ghostscript对其字体处理代码进行了大修。尝试使用Ghostscript v9.06(迄今为止的最新版本)也许会更幸运。
我对更详细地调查这一点非常感兴趣。如果您可以提供输入文件的样本(以及GS v8.70给出的合并输出)，我可以测试一下它在v9.06中是否更好。
可以做些什么来避免这个问题

尝试始终将字体作为完整的字体而不是的子集嵌入:

我不知道在使用wkhtmltopdf时是否以及如何控制完全字体嵌入。

如果您是从Libre/OpenOffice生成输入PDF的，那么您将很不走运，并且无法对其进行控制。

如果使用Acrobat生成输入的PDF，则可以在Distiller设置中调整字体嵌入的详细信息。

如果Ghostscript生成您的输入PDF，则用于强制执行完整字体嵌入的命令行参数为:gs -o output.pdf -sDEVICE=pdfwrite -dSubsetFonts=false input.file

某些类型的字体不能完全嵌入，而只能部分嵌入(TrueType，Type3，CIDFontType0，CIDFontType1，CIDFontType2)。看到 this answer来问“为什么Acrobat Distiller不能完全嵌入所有字体？”更多细节。

仅在您确定没有其他人可以看到或打印或使用您的单个输入文件时，才执行以下操作:根本不嵌入字体-仅在与Ghostscript合并时才嵌入从输入中获得最终结果PDF 。

我不知道在使用wkhtmltopdf时是否以及如何控制没有字体嵌入。

如果您是从Libre/OpenOffice生成输入PDF的，那么您将很不走运，并且无法对其进行控制。

如果使用Acrobat生成输入的PDF，则可以在Distiller设置中调整字体嵌入的详细信息。

如果Ghostscript生成您的输入PDF，则用于防止字体嵌入的命令行参数为:gs -o output.pdf -sDEVICE=pdfwrite -dEmbedAllFonts=false -c "<</AlwaysEmbed [ ]>>setpagedevice" input.file

某些类型的字体不能完全嵌入，而只能部分嵌入(Type3，CIDFontType1)。看到 this answer来问“为什么Acrobat Distiller不能完全嵌入所有字体？”更多细节。

不使用Ghostscript，而是使用pdftk合并PDF。在合并PDF时， pdftk比Ghostscript(至少是pdftk的较旧版本)更``笨拙''，并且这种笨拙可能是一个优势...

更新
再次回答，但这次更明确(在下面的注释中，@ sacohe后面是另一个问题。在许多(不是全部)情况下，以下过程将起作用:

在Ghostscript(最好是9.0x系列的最新版本)的帮助下，重新“提取”输入的PDF文件。

使用的命令是这样的(或类似的):gs -o redistilled-out.pdf -sDEVICE=pdfwrite input.pdf

然后，即使输入PDF对不同的字体(子集)使用了相同的名称前缀，结果输出PDF也应使用不同的(唯一)字体名称前缀。
当我处理原始问题的作者“Mr R”提供给我的原始输入文件的样本时，此过程对我有用。修复之后，“跳过字符问题”在最终结果中消失了(从固定输入文件创建的合并PDF)。