Você pode personalizar esta parte do código-fonte ao seu gosto e alterar a fonte aqui. Você terá que reconstruir o tesseract a partir da fonte assim que fizer a alteração.
Acompanhamento de Como fazer o OCR de um arquivo pdf e obter o texto armazenado em pdf? Produzi com sucesso páginas pdf em OCR.
Em Evince, no entanto, as letras não são mostradas; por isso quero dizer que não consigo ver os personagens, mas posso selecioná-los, copiá-los e colá-los em outro lugar com sucesso. Isso não parece ser um bug do Evince: link
Ao iniciar um OCR de uma página em pdf com o pdfsandwich, o tesseract produz uma página que
contains a font which doesn't have any usable glyphs (they named it GlyphLessFont). It has only .notdef and .null replacements (the squares). Evince uses the .notdef glyph if there is no glyph for the character. The reason that Okular highlight the text is because it does it in the image not as a regular text as evince does.
O pdftotext reconhece os caracteres.
Agora, a pergunta é: pode ser dito para usar uma fonte diferente?
Você pode personalizar esta parte do código-fonte ao seu gosto e alterar a fonte aqui. Você terá que reconstruir o tesseract a partir da fonte assim que fizer a alteração.