简介这份PDF是一份围绕计算机图形与图像处理基础知识的简答题整理面向Photoshop初学者、数字媒体相关专业学生也可作为备考和日常复习的速查资料。文档包含八道典型简答题以问答形式系统梳理了矢量图与位图特征、路径的理解与特点、三种蒙版类型及理解、通过通道和抽出命令选择秀发、RGB与CMYK色彩模式的区别、羽化原理与实现方法、图层理解与三种合并图层命令等高频考点每题均附有相对完整的答题要点与操作思路从基础概念理解到Photoshop中的具体应用均有涉及可帮助学习者对照梳理知识框架、查漏补缺。资源仅含1个PDF文件大小127KB内容集中、便于离线翻阅。已有51人学习适合需要短时间巩固图形图像概念、准备期末或技能考核的学习者。1. 一份名为“ps简答题”的 PDF硬啃前先想清楚你面对的是什么拿到“ps简答题 (2).pdf”这种文件多数人的第一反应是用文本编辑器打开或者直接用pdftotext去抽文本。但如果你亲手处理过一批命名混乱的题目文档就会发现一个反直觉的事实文件名里带.pdf不代表内部就是 PDF 结构。实际工作中很多简答题题库、试卷扫描件、教学资料其实是 PostScript 文件被直接改了后缀或者由老式排版系统导出成了 PS 格式。PostScript 本身是一种图灵完备的页面描述语言它的内容流不是像 PDF 那样按对象和交叉引用表组织的而是一段需要解释器执行的程序。所以当你要批量提取“ps简答题 (2).pdf”这类文档里的题目文本时真正要解决的问题不是“怎么解析 PDF”而是“怎么执行 PostScript 程序并拿到其中的文本绘制操作”。这篇内容会从 PostScript 的语法模型讲起给出一个可运行的文本提取脚本再结合 Ghostscript 处理渲染和排错最后用一个坐标审计的技巧收尾。适合正在做题库数字化、文档批处理或者 PDF 相关工具开发的人读完可以直接抄命令和代码。2. 读懂 PS 语法栈模型、操作数与简答题文本的三个险区2.1 操作数栈与后置运算PS 为什么读起来像“反着说话”PostScript 是一门基于栈的语言所有运算都发生在操作数栈上。表达式1 2 add的意思是把 1 压栈、2 压栈然后add弹出两个数并把结果 3 压回栈顶。这和我们在 C 或 Python 里写的1 2完全是两种思维。你要是第一次读 PS 代码看到一整页moveto、lineto、stroke、show时会觉得语句顺序是反的先写坐标再写动作。/x 72 def /y 720 def /x y moveto /Helvetica findfont 12 scalefont setfont (简答题) show这段代码先定义了 x 和 y然后把画笔移动到 (72, 720)选定 Helvetica 字体、12 号大小最后在当前位置画出“简答题”三个字。这里每个/name都是一个立即执行的名字对象def则把 x 和 y 绑定到数值上。对于要做文本提取的人来说最需要盯住的是show之前栈顶的那个字符串对象——它就是被绘制出来的文本。既然文本绘制操作本质上是字符串对象配合字体和坐标那么提取 PS 文档文本的思路就清晰了逐行解析程序维护一个操作数栈遇到可打印字符串压栈遇到show或xyshow等操作符就认为栈顶字符串是待提取文本。难点在于代码流中可能混入路径构造、剪切区域、字体定义等大量非文本操作这些都会干扰字符串的定位。2.2 简答题 PDF 里常见的文本构造Tj、TJ、Type3 与编码陷阱虽然文件名是“ps简答题 (2).pdf”但实际内容物如果真是 PostScript那在转换或提取时会遇到三类典型问题。第一类是字体编码问题。PS 文档里的字符串本质上是字节序列这些字节如何对应到字形取决于当前字体的 Encoding 表。常见的 WinAnsiEncoding 里 0xA1 可能是倒感叹号而在某些自定义编码里同一字节对应的是汉字。也就是说你提取出来的字节串不能直接当成 ASCII 处理必须配合字体字典里的 Encoding 或 Differences 数组做映射否则得到的就是乱码。第二类是 Type3 字体的 Glyph 名问题。Type3 字体在 PS 中非常常见每个字符由一个小程序描述show操作符按当前字体把字符串字节映射成 glyph 名再执行对应字符程序。这种字体在文档里不一定有 ToUnicode CMap从 glyph 名到 Unicode 没有标准映射关系常规提取器很容易丢字。遇到这类文档直接用 Ghostscript 的txtwrite设备输出文本比自己解析 PS 代码要可靠得多。第三类是文本绘制坐标与裁剪路径。简答题的题干经常放在表格框内绘制时可能设置了clip如果文本超出了裁剪区域渲染时看不到但在内容流里字符串还是完整存在的。提取文本时不会丢字可如果你按“渲染后的像素”去做 OCR 或可视化验证就会误判题目缺失。所以后文会专门说一个用坐标和渲染结果交叉验证的技巧。2.3 我需要记住哪些 PS 操作符操作符作用文本提取相关说明show在当前位置绘制字符串栈顶字符串就是要提取的文本xyshowwidthshowashow带间距调整的文本绘制要和show一样处理movetolinetocurveto路径构造用于追踪当前坐标帮助定位文本位置findfontscalefontsetfont选择与设置字体决定字节到字形的映射方式clipeoclip裁剪路径文本可能被裁剪但内容仍完整defbeginend定义与作用域字体字典和编码表都靠它们切换上下文grestoregsave图形状态保存与恢复恢复后字体、坐标全部回到保存点解析时不能忽略这些操作符不用刻意背写提取脚本时逐个处理即可。真正的判断标准是看这份文档是简单的一次性生成物还是由 LaTeX 或专业排版软件产出的复杂 PS 文件。前者十来分钟写个脚本就能搞定后者建议尽早切换到 Ghostscript 管线。3. 用 Python 写一个轻量提取器把“ps简答题 (2).pdf”的文本扒出来3.1 最小提取脚本读二进制、识别内容流、处理若干关键操作符在直接上 Ghostscript 之前自己写一个小的解析器有助于理解 PS 的栈式执行逻辑。这个脚本针对单一文件、单一页面、无复杂编码映射的情况把文本抽取出来。它不处理压缩流也不解析字体子集但能跑通大部分从老旧系统导出的简单 PS 文档。import re import sys def parse_ps_text(file_path): with open(file_path, rb) as f: data f.read() # 按行切分保留字节串避免解码错误 lines data.split(b\n) stack [] # 操作数栈 text_parts [] # 收集到的文本 encoding latin-1 # 默认编码可按需修改 for line in lines: # 忽略注释和空行 line line.strip() if not line or line.startswith(b%): continue # 用正则切出 token tokens re.findall(rb\(([^)]*)\)|(/[A-Za-z0-9_])|(\b[A-Za-z][A-Za-z0-9_]*\b)|([0-9.-]), line) for text, name, op, num in tokens: if text is not None: # 字符串对象压栈 stack.append((str, text)) elif name is not None: stack.append((name, name)) elif num is not None: stack.append((num, float(num))) elif op is not None: op op.decode(latin-1) if op in (show, xyshow, widthshow, ashow): # 弹栈取字符串并解码 item stack.pop() if item[0] str: raw item[1] try: decoded raw.decode(encoding) except UnicodeDecodeError: decoded raw.decode(latin-1, errorsreplace) text_parts.append(decoded) elif op pop: if stack: stack.pop() elif op dup: if stack: stack.append(stack[-1]) elif op def: # 移除 key 和 value if len(stack) 2: stack.pop() stack.pop() return .join(text_parts) if __name__ __main__: result parse_ps_text(sys.argv[1]) print(result)这个脚本的解析逻辑比较朴素它只按行切分逐 token 判断类型字符串入栈遇到show就把栈顶字符串弹出并解码。缺陷很明显字符串里如果含转义的\(或\)正则就会截断def变量定义没有记录键值begin/end作用域也没有处理。不过对一批结构规整的题库文档来说它的提取效果已经能覆盖相当比例的场景。你应该注意到脚本里有一个encoding变量默认是latin-1。这是故意留的调试口子遇到中文乱码时改成gbk或utf-8再跑一遍因为不同排版工具的默认编码差异很大。3.2 参数怎么调处理多页文档、CMap 映射和坐标过滤当文档是多页时上面的脚本会把所有页面的文本拼在一起这在简答题按页拆题时不可用。一个务实的做法是在解析时跟踪showpage操作符每次遇到就记录一个分页符if op showpage: text_parts.append(\n PAGE BREAK \n)如果要处理带 ToUnicode CMap 的文档提取逻辑会复杂一个量级。这时候不建议继续扩展脚本而是直接用 Ghostscript。常见做法是先把 PS 转换成 PDF再用 PDF 工具链提取文本gs -sDEVICEpdfwrite -o output.pdf ps简答题 (2).pdf pdftotext -enc UTF-8 output.pdf output.txt这段命令先把 PS 文件用 Ghostscript 的 pdfwrite 设备转成标准 PDF再用pdftotext按 UTF-8 编码导出文本。-enc UTF-8指定输出编码pdftotext会自动利用字体的 ToUnicode 信息比直接用 PD 解析器省心得多。如果你的文档来源是 LaTeX 或现代排版系统这种方式抽取的文本质量相当稳定。3.3 脚本自身的三个边界# 处理转义括号把 \( 和 \) 还原成普通括号 line line.replace(b\\(, b().replace(b\\), b))第一个边界是转义字符串。第二是十六进制字符串对象PS 里字符串还可以写成48656C6C6F的形式正则里没处理需要单独加分支。第三个是cshow这种按 glyph 名回调的操作符它不直接操作字符串处理时最好跳过否则会把不是文本的数据压栈。明确这三个边界不是劝退你自己写提取器而是让你心里有数什么时候该停。越简单的脚本越好维护一旦发现文档里出现了自定义字体或复杂裁剪立即切到 Ghostscript 才是工程上正确的选择。4. 用 Ghostscript 做渲染与排查拿不到文本就转成图找问题4.1 一行命令出 PNGdevice 选择与分辨率参数当文本提取结果出现乱码、缺字、或者干脆是空输出时最快定位问题的方式是把页面渲染成图片直接看视觉结果。gs -sDEVICEpng16m -r150 -o ps简答题_page.png ps简答题 (2).pdf-sDEVICEpng16m指定输出 16 位彩色 PNG-r150设置分辨率为 150 DPI-o指定输出文件。如果你只想要某一页可以在文件名里用%d配合-dFirstPage和-dLastPagegs -sDEVICEpng16m -r300 -dFirstPage3 -dLastPage3 -o ps_page_%d.png ps简答题 (2).pdf这里-dFirstPage和-dLastPage控制页码范围注意只有 PS 文件内部定义有明确的页结构时这两个参数才生效对纯 PostScript 程序来说它可能没有页面概念showpage才是真正的页分隔。渲染结果能帮你快速区分两类问题如果图片上文字清晰完整说明 PS 程序本身没问题是文本提取环节的编码或字体映射挂了如果图片上文字缺失、重叠、越界那要排查的是文档内部的坐标或字体设置。4.2 从渲染结果逆向定位字体缺失、坐标出界、解码错乱用 Ghostscript 处理批量文档时命令行里的告警信息往往比渲染图更早暴露问题。比如出现类似下面的输出Cant find CID font FangSong_GB2312 Substituting font Courier这意味着系统里缺少文档引用的字体Ghostscript 自动用 Courier 替代。替代后中文字符会变成方框或空白文本提取结果自然不可用。解决办法是找到对应字体并安装到系统字体目录然后通过-sFONTPATH指定字体路径gs -sFONTPATH/usr/share/fonts/truetype -sDEVICEtxtwrite -o out.txt ps简答题 (2).pdf-sFONTPATH后面可以跟多个路径用系统路径分隔符隔离。要注意的是txtwrite设备的输出受字体映射影响非常大字体缺失时输出的字符可能是乱码这不是 Ghostscript 的 bug而是字体替代策略导致的。所以渲染 PNG 这一步不只是给人看的它同时是在确认字体替换是否发生。坐标出界的问题通常是因为文档使用了自定义的坐标系统比如把原点设在页面中间或者用了很大的缩放比例。用 ImageMagick 检查渲染图的边缘是否有内容被切掉identify -format %[fx:mean] ps_page.png如果页面边缘出现大片纯色说明文字或图形被绘制到了预期区域之外这是文档本身的坐标计算问题不是提取器的锅。4.3 排查路径速查什么现象对应什么问题现象可能原因排查动作提取文本为空文档实际上是 PDF不是 PS用file命令确认文件类型中文全部乱码编码表缺失或映射错误渲染 PNG 确认字体是否正常显示文字显示为方框字体缺失被替代安装字体后用-sFONTPATH指定路径部分文字提取不到使用了 Type3 字体或 glyph 名映射改用txtwrite设备提取页面内容被裁切自定义坐标系统越界用bbox设备检查页面尺寸提取结果顺序错乱文档在 show 前做了位置跳转把moveto坐标一并输出按坐标排序在实际批处理时我一般会用-dNOPAUSE -dBATCH避免交互提示阻塞流程再把标准错误输出重定向到日志文件这样即便批量处理几十个文件也能回头查告警。这两外参数是每个批量任务里都会带上的gs -dNOPAUSE -dBATCH -sDEVICEtxtwrite -o %d.txt ps简答题 (2).pdf 2 gs_errors.log5. 验证简答题文本完整性用 bbox 设备做文本坐标审计最后一层技巧是验证不只验证“有没有跑通”而是验证“提取出来的文本是不是和原文档一致”。我会用 Ghostscript 的bbox设备输出文档中每个文本元素的实际坐标和尺寸再拿提取的文本逐条比对确认没有丢失题目。gs -q -dNOPAUSE -dBATCH -sDEVICEbbox ps简答题 (2).pdf 21 | tee bbox_output.txt输出会包含类似%%BoundingBox: 56 702 309 720的行每一条代表一个文本元素在页面上的矩形位置。这时你可以把 PDF 内容流里提取到的文本按坐标排序和 bbox 输出的坐标序列做 diff如果两边数量对不上就说明有的文本没被渲染——通常是它被裁剪路径挡住了或者字体缺失导致字形为空。具体做法是写一个小脚本把 bbox 输出里的四个坐标解析出来和文本提取时的moveto位置做匹配import re with open(bbox_output.txt) as f: for line in f: m re.search(r%%BoundingBox:\s([-\d.])\s([-\d.])\s([-\d.])\s([-\d.]), line) if m: x1, y1, x2, y2 map(float, m.groups()) width x2 - x1 height y2 - y1 # 过滤掉宽度为 0 的元素它们通常是空格 if width 0.1 and height 0.1: print(ftext block at ({x1:.1f},{y1:.1f}) size {width:.1f}x{height:.1f})这段脚本的价值不在于精确还原文档内部结构而在于快速筛出“异常位置的文本块”。如果某个简答题的题干文本块的 y 坐标到了页面之外或者宽度大得异常基本可以断定排版出了问题。配合前面生成的 PNG 渲染图看一遍就能确认哪些题目需要人工重新录入而不是盲目相信自动提取的结果。对于文件名里带“(2)”这种签名式后缀的文档批量处理前多花两分钟跑一次 bbox 审计比对一下文本数量和坐标分布能省下后面逐题核对的大把时间。本文还有配套的精品资源点击获取