PDFをjavaを使用してテキストに変換する

Question

pdfファイルからアラビア語テキストを抽出するのと同じ問題があります。解決策がある場合は を助けてください。 私は何度もpdfboxを試しましたが、結果はありません。

Answer 1

PDFからテキストを抽出するときに間違って行くことができるいくつかの事が、あります。

1. PDFが暗号化されています。この場合、データを抽出するためにパスワードが必要です。
2. PDFは実際にはテキストを抽出することを目的としたものではありません。だから、pdfboxは通常、互いに接近して配置された文字を識別し、それらを単語に結合しようとします。あなたがイメージングできるように、これは簡単に間違って行くことができます。

詳細情報についてはthis questionをご覧ください。