Estoy convirtiendo archivos pdf a PDF/A, los archivos originales son pdf que contienen imágenes con OCR, el problema está en que el archivo final, el PDF/A, termina con el OCR degradado, o sea, las palabras han sido cambiadas:
El código que uso para realizar la conversión es (GhostPDL.NET):
var pdfContentByte = await File.ReadAllBytesAsync(_file?.FullName ?? string.Empty);
var ghostProcessor = new GhostPdlProcessorPdfA();
byte[] bytes = await ghostProcessor.ConvertAsync(pdfContentByte, PdfAProfile.A1B);
byte[] rawPdfA = bytes;
if (!Directory.Exists(newPath))
Directory.CreateDirectory(newPath);
System.IO.File.WriteAllBytes(newPathFull, rawPdfA);
La switches que uso son:
var switches = new List<string>
{
"-sColorConversionStrategy=RGB",
"-sDEVICE=pdfwrite",
$"-sOutputFile={fileTempOutput}",
$"-dPDFA={(int)pdfAProfile}",
"-dPDFACompatibilityPolicy=1",
"-dPDFSETTINGS=/default",
"-dAutoRotatePages=/All",
"-dEmbedAllFonts=true",
"-sUseOCR=Never",
$"{_filePdfADef}",
"-f",
fileTempInput
};
¿Hay alguna manera de convertirlos sin dañar el OCR que se obtiene del archivo original? No importa si no es con GhostPDL.