如何提取PDF文档中的汉字文本？

[willliam]

小弟先现找到了一些可以提取PDF文档中文本的源码。
那个程序是将提取的文本保存到了一个文本文件中。
但是我发现文本如果是英文的话，可以提取出来，即在文本文件中可以显示。
但是，如果文本是中文的就出问题了，在文本文件中不能显示，这是不是和汉字编码有关系？
还是因为其他的什么原因呢？

其具体原因不知那位大哥能详细指点！

[Eleven]

Up!

[飞天舞]

http://www.codeproject.com/KB/applications/Text2PDF.aspx

[Chivalry]

[Quote=引用 2 楼 qqwangbalu 的回复:]
http://www.codeproject.com/KB/applications/Text2PDF.aspx
[/Quote]
mark

[skyful123]

http://www.codeproject.com/KB/applications/Text2PDF.aspx
这个是 TEXT 2 PDF哇 LZ的是 PDF 2TEXT

[bobob]

1.可能没有配置中文的编码文件
2.可能PDF文件是type 3 字体

[brightxu]

那是图像图像处理的东西吧！怎么在这里找。你不知道pdf，也是图片吗？

[brightxu]

你要识别后，在进行匹配的！调用汉字库里的字模！就可以了！

[willliam]

我也正在看PDF的 开发文档。但是楼上兄弟说PDF是图像处理是不对的把。
PDF在显示的时候的确以图像方式显示，但是存储却不是。
PDF里面的文本内容提取与所选字体有关，然后要根据不同的字体编码，再解码到Unicode编码。