为什么在使用 ImageMagick/Ghostscript 时转换此 PDF 文件失败？

Question

我想转换这个用 LaTeX 编译的 PDF 文件（XeLaTeX 引擎以便使用阿拉伯字体），我想把它上传到网上并防止复制和粘贴它的内容。

因为我正在寻找一个免费软件来完成这项工作，所以我遇到了两个强大的野兽来完成这项工作，即 ImageMagick 和 Ghostscript。我所需要的只是一次将一个文本 PDF 转换为图像 PDF，如果可能的话最好进行批处理（一次转换多个 PDF）。

我在命令行中运行此代码，它适用于英文编写的 PDF：

convert someenglish.pdf output.pdf

现在，当我对阿拉伯语 PDF 执行相同操作时，出现此错误：

convert.exe: PDFDelegateFailed `[ghostscript library] -q -dQUIET -dSAFER -dBATCH
 -dNOPAUSE -dNOPROMPT -dMaxBitmap=500000000 -dAlignToPixels=0 -dGridFitTT=2 "-sD
EVICE=pngalpha" -dTextAlphaBits=4 -dGraphicsAlphaBits=4 "-r72x72"  "-sOutputFile
=C:/Users/doctorate/AppData/Local/Temp/magick-65203BNMxTDhXtkF%d" "-fC:/Users/doctorate/Ap
pData/Local/Temp/magick-65206AK54hOoKA62" "-fC:/Users/doctorate/AppData/Local/Temp/ma
gick-6520hDn-KMyTyxy2"':    **** Error reading a content stream. The page may be
 incomplete.
   **** Incorrect object count in object stream.
Error: /rangecheck in resolveobjectstream
Operand stack:
   78424   10   1   10   --dict:7/15(L)--   26   --nostringval--   35   --nostri
ngval--   --dict:2/2(L)--   --dict:2/2(L)--   --dict:2/2(L)--   --dict:2/2(L)--
  --dict:4/4(L)--   --dict:4/4(L)--   --dict:4/4(L)--   --dict:4/4(L)--   --dict
:4/4(L)--   --dict:3/3(L)--   --dict:2/2(L)--   --nostringval--   --dict:7/7(L)-
-   --dict:10/10(L)--   --nostringval--   --nostringval--   Type   Font   Subtyp
e   CIDFontType2   BaseFont   MYCROL+(AH
Execution stack:
   %interp_exit   .runexec2   --nostringval--   --nostringval--   --nostringval-
-   2   %stopped_push   --nostringval--   --nostringval--   --nostringval--   fa
lse   1   %stopped_push   1983   1   3   %oparray_pop   1982   1   3   %oparray_
pop   1966   1   3   %oparray_pop   --nostringval--   --nostringval--   --nostri
ngval--   --nostringval--   --nostringval--   --nostringval--   --nostringval--
  --nostringval--   --nostringval--
Dictionary stack:
   --dict:1193/1684(ro)(G)--   --dict:1/20(G)--   --dict:82/200(L)--   --dict:82
/200(L)--   --dict:116/127(ro)(G)--   --dict:280/300(ro)(G)--   --dict:24/32(L)-
-
Current allocation mode is local
GPL Ghostscript 9.15: Unrecoverable error, exit code 1
 @ error/pdf.c/InvokePDFDelegate/263.
convert.exe: no images defined `test.pdf' @ error/convert.c/ConvertImageCommand/
3210.

问题
我在这里错过了什么？我不是程序员，所以请在您的回答中考虑这一点。如果您能展示如何在批处理过程中执行此操作，我将不胜感激。

注释

Windows 7 32bit
Ghostscript 版本 9.15
图像质量对我来说不是问题，即使 72dpi 也可以
我想在输出的大小和文本的清晰度之间取得平衡。我只希望文本在网络上可读，而不是对其进行一些 OCR 处理，因此图像不需要非常清晰。输出的大小更重要，越少越好，老实说，我不知道什么可能更好；在这种情况下，将 PDF 文件转换为 PNG 或 JPEG。
我不想将一个 PDF 拆分为多个连续命名的 PNG 或 JPEG，只是将一个 PDF 转换为另一个 PDF，但作为内部图像，不再需要复制和粘贴文本。

更新
我试图制作一个最小的工作示例 PDF 来模仿原始 PDF，发现问题是通过包含一种名为 (AH) Manal Black 的特定阿拉伯字体出现的。运行 pdffonts 来自此 MWE PDF 的命令行给出：

Syntax Error (18062): Illegal character ')'
Syntax Error (18076): Dictionary key must be a name object
Syntax Error (18085): Dictionary key must be a name object
Syntax Error (18248): Illegal character ')'
Syntax Error (18248): Dictionary key must be a name object
Syntax Error (18253): Dictionary key must be a name object
Syntax Error (18599): Illegal character ')'
Syntax Error (18599): Dictionary key must be a name object
Syntax Error (18607): Dictionary key must be a name object
name                                 type              emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
GAKHDJ+(AH                           CID TrueType      yes yes yes      5  0
HTCSVQ+Amiri-Regular                 CID TrueType      yes yes yes      7  0

通过在使用 LaTeX/XeTeX 引擎编译文档时排除这种阿拉伯字体，转换命令可以像在其他英文 PDF 中一样正常工作。所以这个问题很可能与字体解析有关。

更新： 这里是一个最低限度的工作示例：https://www.dropbox.com/s/qdeuzips0ivas4q/mwe_ar.pdf?dl=0

Answer 1

最小工作示例具有 PDF 对象编号。 10 作为 ObjStm（对象流），可以在其中找到这部分（我编辑了空白格式以提高可读性）：

<<  /Type               /Font
    /Subtype            /Type0
    /BaseFont           /GAKHDJ+#28AH)#20Manal#20Black
    /Encoding           /Identity-H
    /DescendantFonts    [4 0 R]
    /ToUnicode          12 0 R
>>

所以字体名称 (AH) Manal Black 已将空格正确地十六进制转义为 #20 并将左括号 ( 正确转义为 #28，但它没有十六进制将右括号 ) 转义为 #29，这是应该的。

在不了解 PDF 生成过程的更多信息的情况下，我猜 Creator/Producer 组合通过文件的元数据给出，

Creator:    XeTeX output 2015.05.01:1207
Producer:   xdvipdfmx (20140317)

是要受到指责的。这是PDF生成软件的一个bug...

更新

也许我应该透露一下我是如何剖析和解压缩 MWE PDF 的：

用 QPDF 试了一下没用：

qpdf --qdf --object-streams=disable mwe_ar.pdf qdf.pdf

 object stream 10 (file position 585): unexpected )

用 pdftk 尝试也没有用：

pdftk mwe_ar.pdf cat pdftk.pdf uncompress

 Error: Unable to find file.
 Error: Failed to open PDF file: 
    mwe_ar.pdf
 Errors encountered.  No output created.
 Done.  Input errors, so no output created.

尝试使用 MuPDF 的 mutool 也失败了：

mutool clean -d mwe_ar.pdf mutool.pdf

 warning: lexical error (unexpected ')')
 error: invalid key in dict
 error: cannot parse dict
 error: cannot open object stream (10 0 R)
 error: cannot load object stream containing object (1 0 R)
 warning: cannot load object (1 0 R) into cache
 warning: lexical error (unexpected ')')
 error: invalid key in dict
 error: cannot parse dict
 error: cannot open object stream (10 0 R)
 error: cannot load object stream containing object (4 0 R)
 error: cannot load object (4 0 R) into cache

最后，不得已，PeePDF.py救场：

$ cat peepdf-commands.txt

 object 10

$ peepdf.py -s peepdf-commands.txt

  << /Length 1000
  /N 13
  /Type /ObjStm
  /Filter /FlateDecode
  /First 84 >>
  stream
  9 0 3 72 11 133 2 197 1 312 15 343 4 446 14 625 19 876 6 1344 18 1514 5 1758 7 1886 <</Font<</F1 5 0 R/F2 7 0 R>>/ProcSet[/PDF/Text/ImageC/ImageB/ImageI]>>
  <</Resources 9 0 R/Type/Page/Parent 11 0 R/Contents[8 0 R]>>
  <</Type/Pages/Count 1/Kids[3 0 R]/MediaBox[0 0 595.28 841.89]>>
  <</Creator( XeTeX output 2015.05.01:1207)/Producer(xdvipdfmx \(20140317\))/CreationDate(D:20150501120749+01'00')>>
  <</Pages 11 0 R/Type/Catalog>>
  [417[251]421[257]424[368]443[470]445[355]450[380]480[322]498[480 233]505[461]508[256]514[326]520[264]]
  <</Type/Font/Subtype/CIDFontType2/BaseFont/GAKHDJ+#28AH)#20Manal#20Black/FontDescriptor 14 0 R/CIDSystemInfo<</Registry(Adobe)/Ordering(Identity)/Supplement 0>>/DW 199/W 15 0 R>>
  <</Type/FontDescriptor/Ascent 529/Descent -415/StemV 109/CapHeight 529/AvgWidth 392/FontBBox[-112 -321 1006 1137]/ItalicAngle 0/Flags 6/Style<</Panose<000000000000000000000000>>>/FontName/GAKHDJ+#28AH)#20Manal#20Black/FontFile2 16 0 R/CIDSet 17 0 R>>
  [39[693]41[522]51[535]108[415]124[415]388[218 926]402[1213]406[541]446[586]1886[317]1992[229]2016[366]2021[366]2105[244]2108[244]2139[1006]2150[295]2162[378]2227[379 452]2272[589]2294[176]2300[198]2308[389]2339[343]2356[723]2359[1079]2397[552]2413[346]2457[177]2491[299]2912[349]2952[219]2969[209]2973[148]2976[302]2981[341]3027[168]3149[550]3297[259]3325[292]3726[248]3732[319]3853[411]3893[179]4021[55]4323[104]4627[560]5068[238]5106[476]5322[159]5328[222]6366[93]]
  <</Type/Font/Subtype/CIDFontType2/BaseFont/HTCSVQ+Amiri-Regular/FontDescriptor 18 0 R/CIDSystemInfo<</Registry(Adobe)/Ordering(Identity)/Supplement 0>>/DW 190/W 19 0 R>>
  <</Type/FontDescriptor/Ascent 1123/Descent -635/StemV 87/CapHeight 1123/AvgWidth 685/FontBBox[-581 -900 11467 1815]/ItalicAngle 0/Flags 6/Style<</Panose<000000000500000000000000>>>/FontName/HTCSVQ+Amiri-Regular/FontFile2 20 0 R/CIDSet 21 0 R>>
  <</Type/Font/Subtype/Type0/BaseFont/GAKHDJ+#28AH)#20Manal#20Black/Encoding/Identity-H/DescendantFonts[4 0 R]/ToUnicode 12 0 R>>
  <</Type/Font/Subtype/Type0/BaseFont/HTCSVQ+Amiri-Regular/Encoding/Identity-H/DescendantFonts[6 0 R]/ToUnicode 13 0 R>>

  endstream

我使用 PeePDF.py 的次数越多，我就越喜欢它。谢谢 Jose Miguel 提供的这个好工具！

Answer 2

我通常使用 pdftocairo 来解决这个问题：

pdftocairo corruptedinfile.pdf -pdf outfile.pdf

之后ghostscript可以正常处理

为什么在使用 ImageMagick/Ghostscript 时转换此 PDF 文件失败？

Why converting this PDF file fails when using ImageMagick/Ghostscript?

pdf

imagemagick

ghostscript

imagemagick-convert

更新