如何使用java和PDFBox从PDF获取字符的Unicode

Question

我使用Apache PDFBox和Java来解析PDF并从中获取所有信息。提取文本仅适用于英语。对于其他语言，我只获得一些特殊字符。例如，提取阿拉伯字符Ô将给出字符串：“？on printing。当我将计算机的”区域和语言“从英语更改为阿拉伯语时工作正常。所以我认为提取字符的Unicode将解决这个问题问题。请帮我从PDF中获取字符的Unicode或建议我解决这个问题的一些解决方案。

Answer 1

试试changing the Java system locale。从Java程序中，这应该等同于更改操作系统设置。

Answer 2

http://grepcode.com/file/repo1.maven.org/maven2/org.apache.pdfbox/pdfbox/1.6.0/org/apache/pdfbox/util/PDFText2HTML.java

private String escape（String chars）将字符转换为unicode。