java - IText - 使用 PdfDictionary 和 PDF Stamper 编辑西类牙语文档

Question

我正在尝试使用 itext 读取文档并替换其中的字符串。但一旦被操纵，所有的西类牙字符就变成了垃圾字符。下面是更改pdf的代码。

    PdfReader     reader = new PdfReader(src);
    PdfDictionary dict   = reader.getPageN(1);
    PdfObject     object = dict.getDirectObject(PdfName.CONTENTS);
    if (object instanceof PRStream) {
        PRStream stream     = (PRStream) object;
        byte[]   data       = PdfReader.getStreamBytes(stream);
        String   dataString = new String(data);
        dataString = dataString.replace(sourceString, replacementString);
        stream.setData(dataString.getBytes("UTF-8"));
    }
    PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(dest));
    stamper.close();
    reader.close();

在实际的 pdf 中，有一个字符串 ${address-line-one}，我将其替换为“20th Street”

这有效，但是对于流中的这个西类牙语单词

Documentación 成为 Documentaci�n

其他西类牙语单词也是如此。

我还在java控制台中打印了bytes[]，发现读取本身无法正确获取该字符。

有什么建议吗？

Answer 1

您使用

new String(data)

将字节转换为字符串(使用某种默认编码)和

dataString.getBytes("UTF-8")

将字符串转换回字节(使用 utf-8)。

因此，如果第一个操作中的默认编码与 utf-8 不匹配，这些转换将创建如上所示的伪影。

所以请使用

new String(data, encoding)

和

dataString.getBytes(encoding)

相反。

<小时/>

话虽如此，utf-8 在这里是一种非常不合适的编码，请使用类似于 Latin-1/ISO-8559-1 的编码。

<小时/>

也就是说，您编辑内容的方法仅适用于非常特定的 PDF。特别是，所使用字体的编码必须是WinAnsiEncoding，并且线条或“字段”必须在每个指令中绘制。此外，您的替换内容不得比替换文本长太多，并且不得包含 Latin-1 和 WinAnsiEncoding 不同的字符或在 PDF 中具有特殊含义的字符，并且您必须确保不会偶然更改超出范围的说明。字符串。