从PDF阅读孟加拉语

Question

我正在尝试使用PDFbox（Java）和Tika（Python）从PDF阅读孟加拉语。但是字符无法正确呈现，大多数如下所示：

িপতা িঠকানা

但是应该像：

পিতা ঠিকানা

我正在使用以下代码：

（Java pdfbox）

 String fileName = "input.pdf"; 
 PDDocument document = null;
 document = PDDocument.load( new File(fileName));
 PDFTextStripper stripper = new PDFTextStripper();
 stripper.setStartPage(2);
 String pdfText = stripper.getText(document).toString();

 java.io.PrintStream p = new java.io.PrintStream(System.out,false,"UTF-8");
 p.println(pdfText);

（Python Tika）

import tika
from tika import parser

parsed = parser.from_file('input.pdf', xmlContent=True)
print(parsed["content"])
with open('filename.txt', encoding='utf-8', mode='w') as file:
  file.write(parsed["content"])