我正在做一些pdf文本提取。我附上了我遇到问题的场景的屏幕截图。
为什么eclipse控制台无法打印“规范”这个词？
相反，它被打印为“规范”。
我可以看到字符重叠。
但是在调试代码期间，相同的文本显示为没有“问号”。
有没有办法将相同的文本打印到控制台？
请帮忙。
问问题
1313 次
2 回答
4
问题是“fi”连字（“重叠字母”），它是 Unicode 中的单个字符。在调试视图中，使用了绘制文本的 Windows 方法；这些了解 Unicode 并且可以正确呈现连字。
控制台视图使用某种编码。与 Windows 一起使用时，默认值为“cp1252”、Codepage 1252 或 ISO 8859。这些编码不知道该特定字母且无法打印，因此使用问号代替。
Window > Preferences您通常可以通过, General > Workspace,设置 Eclipse 的编码Text file encoding。虽然我认为在任何地方都使用 UTF-8 是个好主意，但它可能会导致现有文件出现问题。
您可以在项目属性 category 中设置每个项目的编码Resource。
如果您只想为控制台视图设置编码，这是最不具沉浸感的解决方案，它并不完全直观。控制台视图编码是您用于运行项目的运行时配置的属性。Run > Run Configurations..., 你的运行配置, Common.
当您使用其中一种方法将编码设置为 UTF-8 时，连字将正确打印到控制台视图。
当然，更通用的设置只有在没有被更具体的设置（工作区、项目、运行配置）覆盖时才有效。
于 2013-09-21T18:31:37.920 回答
3
我肯定在这里把所有的术语都弄错了，但 PDF 可能使用了不属于 ASCII 字符集的“fi”组合的字形。因此它在控制台中呈现为“？”。请注意，在窗口的中间部分，“fi”中的“i”比“f”后跟“i”的 ASCII 序列“f”更接近“f”，并且“i”也是错过了点。
于 2013-09-21T17:01:20.087 回答