ItextSharp - diacritic chars

Question

我通过ItextSharp库阅读pdf文档。 但这些文件是捷克语，使用变音符号（řěžšč等） 我怎么能读这个字符？任何的想法？或者，是否有一些解决方案可以替换正常情况下的这些字符？ 这是我方法中的代码。感谢

 PdfReader reader = new PdfReader("M:/ShareDirs_KSP/RDM_Debtors/DMS_PROD/" + src);

    // we can inspect the syntax of the imported page
    String text = new String();
    for (int page = 1; page <= 1; page++) {

        text += PdfTextExtractor.getTextFromPage(reader, page);
    }

    reader.close();

Answer 1

我写了一个小概念证明来解析文件czech.pdf。该文件包含几个带变音符号的字符。它是在回答以下问题时创建的：Can't get Czech characters while generating a PDF

文本存储在文件中两次：一次使用简单字体，一次使用复合字体。在我的概念证明（名为ParseCzech）中，我将此PDF解析为使用UTF-8（UNICODE）编码的文件：

public void parse(String filename) throws IOException {
    PdfReader reader = new PdfReader(filename);
    FileOutputStream fos = new FileOutputStream(DEST);
    for (int page = 1; page <= 1; page++) {
        fos.write(PdfTextExtractor.getTextFromPage(reader, page).getBytes("UTF-8"));
    }
    fos.flush();
    fos.close();
}

结果是文件czech.txt：

从屏幕截图中可以看出，文本被正确提取（但请确保您使用的查看器知道文件编码为UTF-8，否则您可能会看到奇怪的字符而不是实际文本）。

请注意，某些PDF不允许正确提取文本。以下视频对此进行了解释：http://www.youtube.com/watch?v=wxGEEv7ibHE

请分享您的PDF，以便StackOverflow上的人可以检查您是否因为代码中的错误而无法成功提取文本，或者您是否因为PDF没有成功而无法成功允许您提取文本。