从pdf中提取阿拉伯语文本时出现奇怪的单词（PdfToText）

Question

从pdf中提取阿拉伯语文本时遇到问题 我使用PdfToText库
文字出现在这个图中（΋ΎϬϧϟ΍υΫΣϟ΍ΦϳέΎΗΏϟΎρϟ΍ϡϳΩϘΗΝΫϭϣϧΩϳϘϟ΍ϡ&έ） 我怎么解决呢？我试过了

<meta content="text/html; charset=utf-8" http-equiv="Content-Type" />

但这并没有解决我的问题

Answer 1

英文字母是基本ASCII字符集的一部分，因此输出通常没有任何问题，但任何其他语言使用各种重音或甚至不同的字母，即。阿拉伯语，Azbuka，希腊语等使用基本集合中的字母。

确保所有三个来源都使用相同的编码：

1. 生成输出的所有PHP脚本
2. HTML编码元标记
3. 输出文件

ad 1
检查编辑器如何将PHP脚本保存到文件系统。如何设置它的方式与每个编辑器不同

广告2 使用HTML元标记<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">

广告3 定义要使用UTF-8的编码，例如：pdftotext -enc UTF-8 your.pdf。根据文档，PdfToText类生成UTF8编码的文本。