CGPDFScanner 和 Adobe-Japan1
我正在使用 CGPDFScanner 从 PDF 中提取文本。
在调用我的 TJ 运算符回调时，当前字体具有 CIDSystemInfo->Registry 值“Adobe”和 CIDSystemInfo->Ordering值“Japan1”。即字符集“Adobe-Japan1”。
如何利用这一事实将我通过 Tj 运算符找到的所有文本转换为 unicode？
我确信我在这里不是只见树木不见森林。
I'm using CGPDFScanner to extract text from a PDF.
At the time my TJ operator callback is called, the current font has CIDSystemInfo->Registry value "Adobe" and CIDSystemInfo->Ordering value "Japan1". i.e. character set "Adobe-Japan1".
How do I use this fact to convert all the text I've found with the Tj operator to unicode?
I'm sure I'm not seeing the wood for the trees here.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您可以使用 Adobe 的 CMAP 文件将 Japan1 重新映射到 unicode。另请参阅“补充”以获取正确的文件。
http://opensource.adobe.com/wiki/display/cmap/Downloads
You can use Adobe's CMAP files to re-map Japan1 to unicode. Also look at the "Supplement" to get the correct file.
http://opensource.adobe.com/wiki/display/cmap/Downloads