java - PDFBox 提取的文本不包含国际（非英文）字符

Question

我正在使用 Apache PDFBox 从几个 PDF 文件中提取文本。这些文件是波兰语，它们包含波兰语字符。不幸的是，当我打印提取的文本时，我不断得到 ? （问号）而不是那些字符。

Answer 1

假设您提取的文本存储在 String 中，我假设您当前正在使用它来打印 -

System.out.println(s);

我建议您使用此代码段正确打印出波兰语字符-

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

这应该工作和？不会出现在打印的文本中。