我正在尝试使用PDFBox修改PDF文档的内容 . 我原样使用this example，但观察到我的PDF文件的文本在字符级别（或更糟）被分割 . 例如，一个字符串 EM? what it is: 被拆分为：
COSString{E}
COSString{M?}
COSString{ }
COSString{w}
COSString{hat }
COSString{it }
COSString{is}
COSString{:}
（通过在上述代码中打印 cosString 进行检查） . 据我所知，文件中只有拉丁字符，编码也是ISO-8859-1 . 有任何想法吗？
问候，
萨里尔
1 回答
这很可能是PDF格式问题 . 这就是您的特定PDF存储文本以获得正确的字母间距或kerning的方式 . 这在PDF到PDF之间差别很大，具体取决于它们的创建方式 .
通常，我建议简单地将所有不同的令牌合并为一个大的内容字符串 .