Problem mit einigen PDFs - Vorschau zeigt nur Hieroglyphen

Hallo zusammen,

in Paperless-ngx stoße ich hin und wieder auf ein Problem mit bestimmten PDFs, die ich per E-Mail erhalte. Die betroffenen Dokumente:

  • sind durchsuchbar (also enthalten bereits eine Textebene),
  • lassen sich in allen gängigen PDF-Readern problemlos anzeigen (z. B. Acrobat, Foxit, Browser),
  • werden von Paperless-ngx jedoch fehlerhaft dargestellt, die Vorschau zeigt nur „Hieroglyphen“ bzw. unleserlichen Zeichensalat,
  • auch nach „Speichern unter…“ in Foxit PDF und anschließendem Re-Upload besteht das Problem weiter.

Ein Blick in die Paperless-Logs zeigt:

[ERROR] [ocrmypdf._exec.ghostscript]  This file had errors that were repaired or ignored.
[ERROR] [ocrmypdf._exec.ghostscript]  >>>> Amyuni PDF Converter version 5.5.2.7 <<<<
[ERROR] [ocrmypdf._exec.ghostscript]  file does not conform to Adobe's published PDF specification.

Ich kann leider nicht beeinflussen, wie diese PDFs erzeugt werden, da sie automatisiert über E-Mails eintreffen. Die Erzeugung über den Amyuni PDF Converter scheint jedoch der Kern des Problems zu sein.

Wichtig:

  • Wenn ich die Original-PDF nach dem Import aus Paperless-ngx herunterlade, ist diese vollständig lesbar und korrekt.
  • Nur die von Paperless-ngx generierte Archivversion ist fehlerhaft und zeigt unleserlichen Text.

Kennt hier vielleicht jemand einen eleganten Weg, wie man solche problematischen PDFs automatisiert behandeln kann, bevor sie in Paperless landen?

In deinem Log steht doch schon das die PDFs nicht sauber nach Adobe-Standard generiert wurden.

Hast du die zusätzlichen Sprachen in der ENV stehen ?

Alternativ PDF öffnen mit Acrobat Reader und über nen PDF Druckertreiber neu generieren lassen.
Oder halt die Linux Variante Ghostscript erstelle und dann wieder nach PDF exportieren.

Es gibt aber auch nen Dockerimage für PDF’s Stirling PDF

Für die OCR-Erkennung habe ich in der .env-Datei die Sprachen Deutsch und Englisch angegeben, indem ich folgende Umgebungsvariable gesetzt habe:

PAPERLESS_OCR_LANGUAGE=deu+eng

Alternativ PDF öffnen mit Acrobat Reader und über nen PDF Druckertreiber neu generieren lassen.

Das habe ich gemacht, allerdings werden die PDF-Dateien automatisch per E-Mail empfangen. Paperless-ngx hat anschließend Schwierigkeiten bei der Verarbeitung. Ich hatte daher auf eine Lösung gehofft, mit der sich der Umgang damit automatisieren lässt.

Hier mal der ChatGPT Einwurf dazu.

Automatisch ohne PreConsume wird das nicht funktionieren wenn überhaupt.
Der Ansatz mit dem Glattbügeln sollte sich vmtl. Am ehesten realisieren lassen.