Java：将PostScript文件转换为文本

Question

是否有一个Java库将PostScrpit文件“.ps”转换为String或TextFile（或者我可以用InputStream读取的东西）？

我有这些文件，需要阅读它们并根据其中的文本处理它们。它们总是只包含Text，通常只有一行像

日期：SWYgeW91IHJlYWQgdGhpcyB5b3UncmUgcHJvYmFibGUgdG8gY3VyaW91cyAgYnV0IG5pY2UgdHJ5IGFueXdheS4gUGxlYXNlIEhlbHA =

在其中。

现在我将其转换为PDF并使用OCR引擎“读取”它。但是对于一条线来说，似乎只有一点点。

还有其他办法吗？

如果你能指出我正确的方向，那就太好了。

Answer 1

PostScript是一种在纸张上定义图形输出到打印机设备的语言。因此它并不真正包含明文，并且从中“提取”文本会带来问题。例如，它可以在某些地方以编程方式确定，或者可以穿插PS代码，使文本数据无用。

通常，您会将修改后的PS输出到具有特定配置的打印机（真实或虚拟），该配置会将结果作为标准文本序列输出（无图形格式）。

这通常通过更改PS代码文件来完成，以更改文本输出命令。

这种方法的解释可以在以下怀卡托大学的第3部分中找到

http://www.cs.waikato.ac.nz/~ihw/papers/98NM-Reed-IHW-Extract-Text.pdf

Answer 2

如果将PostScript文件转换为PDF（例如，使用Ghostscript ps2pdf或Acrobat Distiller），则可以使用iText（http://itextpdf.com）读取此文件。您还可以使用其中一个iText工具RUPS将PDF转换为更易读的形式。