Ghostscript如何为PDF大纲/书签启用Unicode编码支持

Ghostscript 的 pdfmark 语法默认将圆括号()包裹的字符串按单字节PDFDocEncoding编码解析，原生不支持UTF-8编码的文本，因此直接写入带变音符号、非拉丁字符的UTF-8内容必然出现乱码。

正确实现方式 #

要正常显示包含变音符号在内的所有Unicode字符，需按照PDF规范使用Unicode格式的书签字符串，规则如下：

• 字符串不能用圆括号()包裹，需使用尖括号<>包裹
• 尖括号内的内容为**带UTF-16BE BOM（固定前缀为FEFF）**的文本字节对应的大写十六进制序列

最小可用示例 #

针对测试用的书签文本Lügenbaron，正确的pdfmark配置行如下：

[/Page 1 /Count 0 /View [/XYZ null null null] /Title <FEFF004C00FC00670065006E006200610072006F006E> /OUT pdfmark

批量生成脚本（Python） #

不要直接将UTF-16编码的字节对象写入配置文件，需先转成十六进制字符串再拼接，参考代码：

def make_pdfmark(page: int, title: str, count: int = 0) -> str:
    # 标题文本转UTF-16BE字节
    title_bytes = title.encode("utf-16-be")
    # 拼接BOM前缀，转大写十六进制
    title_hex = "FEFF" + title_bytes.hex().upper()
    return f"[/Page {page} /Count {count} /View [/XYZ null null null] /Title <{title_hex}> /OUT pdfmark\n"

if __name__ == "__main__":
    bookmark_entries = [
        (1, 0, "Lügenbaron"),
        (4, 0, "Vorwort"),
        (7, 0, "1. Regeln")
    ]
    # pdfmark文件必须存为ASCII编码
    with open("index.info", "w", encoding="ascii") as f:
        for p, cnt, t in bookmark_entries:
            f.write(make_pdfmark(p, t, cnt))

执行Ghostscript命令 #

-o参数默认隐含-dBATCH -dNOPAUSE参数，无需重复添加，注意pdfmark配置文件必须放在原PDF文件参数之前：

gs -sDEVICE=pdfwrite -o newfile_indexed.pdf index.info -f original_unindexed_file.pdf

之前尝试方案的错误原因 #

• 直接写入UTF-8编码文本并用()包裹：解析器按单字节PDFDocEncoding拆分多字节UTF-8字符，直接导致乱码
• 整个pdfmark文件存为带BOM的UTF-16BE编码：Ghostscript的PostScript解析器仅支持ASCII编码的脚本文件，UTF-16编码的文件会触发解析错误直接退出
• 将UTF-16BE字节对象直接格式化写入配置：实际写入的是Python bytes类型的字符串表示（即b'\x00xxx'格式的文本），并非合法的PostScript字符串，显示必然异常
• 给十六进制字符串额外加()包裹：尖括号外的括号会被识别为普通文本内容，和书签内容一起显示在阅读器中

内容的提问来源于stack exchange，提问作者Xaver