我一直在尝试使用各种程序来呈现多语言pdf（希伯来语/英语词典）机器可读。 QPDF（以及几乎所有其他程序）将文本呈现为乱码。我设置了--decode-level=all没有效果。
这里可能有什么问题？
答案1
如果没有看到那个 PDF，我不能说太多，但有一些基础知识：
PDF 包含对象，某些对象包含 Postscript 简化变体的流，该变体将字形放置在页面上。 （您可以通过在文本编辑器中打开 PDF 来查看对象，如果您解压缩流，例如使用mutool，您也可以在文本编辑器中查看流）。
将其转换回原始文本确实很困难（我认为这就是您所说的“机器可读”的意思），因为任何此类尝试都必须假设渲染应用程序如何工作。如果渲染应用程序只是按照字形在原始文本中的顺序放置字形，您可以尝试将字形重新映射到字符，然后按此顺序输出字符。
如果渲染程序做了更复杂的事情，例如因为您有两种具有不同阅读方向的语言，则此类尝试将会失败。
因此，如果您确实需要它，则必须仔细查看 PDF 的工作原理，并编写自定义程序将其转换回文本。