java - 无法使用 PDFBox 在 Java 中正确打印 pdf 文件中的非英语(拉脱维亚语)字符？

Question

import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.encryption.InvalidPasswordException;
import org.apache.pdfbox.text.PDFTextStripper;
public class sample {
public static void main(String[] args) throws InvalidPasswordException, IOException {
    File file = new File("C:\\sample.pdf");
    PDDocument document = PDDocument.load(file);
    PDFTextStripper stripper = new PDFTextStripper();
    String text = stripper.getText(document);
    //java.io.PrintStream p = new java.io.PrintStream(System.out,false,"Cp921");
    //p.println(text.toString());
    System.out.println(text);
    }
}

文本是从 pdf 中读取的，但在使用 System.out.println 显示时显示不同的输出。然后我在网上阅读了不同的帖子，发现它与编码有关，我在这个问题上找到了解决方案:Text extracted by PDFBox does not contain international (non-English) characters但我必须对拉脱维亚字符使用 Cp921 编码，但问题仍然没有解决，输出在此图像中给出

然后我经历了调试过程，发现从PDF读取的文本以精确的编码存储，没有任何更改，所以我不知道如何以正确的编码显示文本。任何帮助将非常感谢。

PDF 内容示例:[Maksātājs、Informācija、Vārdu krājums、Ēģipte、Plašs、Vājš、Brieži、Pērtiķi、Grāmatiņa、šķīvis]

使用 System.out.println 在 Eclipse 中输出控制台:

使用 PrintStream 在 Eclipse 中进行控制台输出:

附注我是初学者程序员，没有太多编码经验

Answer 1

您可以通过修改系统属性file.encoding或设置out来更改系统。以下任何一项都应该有效:

1. -Dfile.encoding=utf-8 (或任何你需要的)作为 jvm 参数
2. System.setProperty("file.encoding", "utf-8") -- 与 (1) 相同，但在运行时
3. System.setOut(new PrintStream(System.out, true, "utf-8")) -- 将 System.out 设置为您需要的任何打印流。

编辑

您的评论提到您正在写入文件。要写入文件并指定编码，请考虑类似

try (OutputStreamWriter writer =
         new OutputStreamWriter(new FileOutputStream(new File("path/to/file")), StandardCharsets.UTF_8))
    writer.write(text, 0, text.length());
}

请参阅文档 here .