我偶然发现使用 PDDScanner 在 PDF 中搜索西里尔字母（以及任何其他非 ASCII）字符。我使用的代码类似于 Randon Ideas 博客中提到的 SO 代码。问题在于，对于西里尔 PDF，scanner 的输出是完全垃圾，无法解码为任何有意义的东西。西里尔 PDF 中的英文字符被完美地搜索。所以，问题在于，当涉及到西里尔文时，它是被编码的，我们不知道如何正确解码。
我们在这里错过了什么？
在此先感谢任何可以阐明该主题的人。
【问题讨论】：
标签： ios pdf sdk full-text-search quartz-2d
您是否尝试过通过不同的编码推送该字符串？当我查看NSString.h 时，我看到一些可疑标记为“西里尔字母”的东西，在同一行也有“Adobe”:)（即尝试NSWindowsCP1251StringEncoding）
enum {
NSASCIIStringEncoding = 1, /* 0..127 only */
NSNEXTSTEPStringEncoding = 2,
NSJapaneseEUCStringEncoding = 3,
NSUTF8StringEncoding = 4,
NSISOLatin1StringEncoding = 5,
NSSymbolStringEncoding = 6,
NSNonLossyASCIIStringEncoding = 7,
NSShiftJISStringEncoding = 8, /* kCFStringEncodingDOSJapanese */
NSISOLatin2StringEncoding = 9,
NSUnicodeStringEncoding = 10,
NSWindowsCP1251StringEncoding = 11, /* Cyrillic; same as AdobeStandardCyrillic */
NSWindowsCP1252StringEncoding = 12, /* WinLatin1 */
NSWindowsCP1253StringEncoding = 13, /* Greek */
NSWindowsCP1254StringEncoding = 14, /* Turkish */
NSWindowsCP1250StringEncoding = 15, /* WinLatin2 */
NSISO2022JPStringEncoding = 21, /* ISO 2022 Japanese encoding for e-mail */
NSMacOSRomanStringEncoding = 30,
NSUTF16StringEncoding = NSUnicodeStringEncoding, /* An alias for NSUnicodeStringEncoding */
NSUTF16BigEndianStringEncoding = 0x90000100, /* NSUTF16StringEncoding encoding with explicit endianness specified */
NSUTF16LittleEndianStringEncoding = 0x94000100, /* NSUTF16StringEncoding encoding with explicit endianness specified */
NSUTF32StringEncoding = 0x8c000100,
NSUTF32BigEndianStringEncoding = 0x98000100, /* NSUTF32StringEncoding encoding with explicit endianness specified */
NSUTF32LittleEndianStringEncoding = 0x9c000100 /* NSUTF32StringEncoding encoding with explicit endianness specified */
};
【讨论】：
您可能需要更深入地了解Apple spec and headers on this - 添加 NSLog 行（并在此处发布）以了解扫描仪为普通 PDF 和西里尔文找到的内容。有很多可能性（可能是不同的编码，即您需要使用该编码将您拥有的字符串转换为不同的字符串）。我确信有一种方法可以列出表格中的所有运算符，以查看您的西里尔 pdf 中是否有额外的运算符。此外，this might help 是您尝试解决的一个非常相似的问题 - 它也指向 library that is more tuned to scanning。
【讨论】：