【发布时间】：2013-12-06 00:11:59
【问题描述】：
我有一些用巴西葡萄牙语编写的 pdf，我想对其进行解析和处理。我尝试使用 PDFBox 文本提取命令行工具（完全没有参数），但得到以下结果：
Cão
以
结束C~
ao
此外，使用 Adobe Reader 复制和粘贴文本或将其导出为文本会输出相同的结果。 对其他文件执行相同操作（PDFBox、复制和粘贴、Adobe Reader 导出）我设法按预期提取了文本（“Cão”），因此，不是 PDF 专家，我认为这与文件的创建方式有关。我想知道是否有人在提取文本时看到过这种行为以及如何解决它。
【问题讨论】：
-
你用什么来提取文本？这个问题很不完整。
-
你是如何使用 PDFBox 的？
-
为什么这些特定文档的文本提取会搞砸。 - 正如@DourHighArch 暗示的那样，您可能错误地使用了 PDFBox。如果您希望我们对此进行检查，请提供一些代码。此外，您提到这只是某些文件的问题。也许这些文档只是提供了有关其内容的错误信息（例如，this answer）。如果您希望我们对此进行检查，请提供相关 PDF。
-
我正在使用 PDFBox 文本提取命令行工具 [pdfbox.apache.org/commandline/#extractText] 没有选项。