好的,我知道这个问题重复了太多次。但直到现在我还没有找到解决方案。我正在使用 iTextSharp 从 pdf 中提取。对于英语它很好用,但对于阿拉伯语它总是显示“?????????” 在控制台和 .txt 中的“Ó å æ É”这是我的代码
private static string ReadPdfFile(string fileName)
{
StringBuilder text = new StringBuilder();
if (File.Exists(fileName))
{
PdfReader pdfReader = new PdfReader(fileName);
ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, 1, strategy);
//currentText = Encoding.UTF8.GetString(UTF8Encoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
text.Append(currentText);
}
return text.ToString();
}
更新:
通过对输出文件使用 UTF8 解决了问题,现在我还有 2 个问题
它显示“已提交已完成”而不是“已提交”,因此:
我需要删除字母之间的空格。
单词的顺序是颠倒的。
尝试使用以下代码将您的“Ó å æ á É”转换为“س ه و ل ة”
public static string Arabic1256ToUtf8(string data)
{
var latin = Encoding.GetEncoding("ISO-8859-1");
var bytes = latin.GetBytes(data); // get the bytes for your ANSI string
var arabic = Encoding.GetEncoding("Windows-1256"); // decode it using the correct encoding
return arabic.GetString(bytes);
}
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句