C# IText使用法语脚本MT从pdf中提取文本

我正在使用ITextSharp和列出的代码从pdf中提取文本。 但我发现有些行给出了不正确的结果：

在excel中-“11 3 11”

在Visual Studio中-“11\u0085\u0014\u0016\u001c 3 11”

pdf格式-“11英镑139 3 11”

还有一个例子：

在excel中-“245 1”

在Visual Studio中-“2\u0085\u0019\u0018\u001b 45 1”

pdf格式-“2英镑658 45 1”

经过调查，我发现pdf文件包含 法语-script-mt-58fbba579ea99.ttf

using (PdfReader reader = new PdfReader(pfile.path)){
StringBuilder text = new StringBuilder();
if (pagenum == 0)
{
for (int i = 1; i <= reader.NumberOfPages; i++)
{
string page = "";
page = PdfTextExtractor.GetTextFromPage(reader, i, new 
iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy());
string stringOutput = page;
string[] lines = stringOutput.Split('\n');
allData.Add(lines);
output = lines;
}
}
}

使用（PdfReader读取器=新的PdfReader（pfile.path））{
StringBuilder text=新的StringBuilder（）；
如果（pagenum==0）
{
对于（int i=1；i所有带有英镑货币符号“£”的条目均使用字体绘制（分别命名为C2_0和C2_2），没有PDF规范ISO 32000-1第9.10节“文本内容提取”中所述的PDF文本提取所需的信息：它们使用编码Identity-H（这并不意味着任何到Unicode的映射），并且没有ToUnicode映射

用于其他条目的字体要么使用有意义的编码（T1_0和T1_1使用winansionoding），要么具有ToUnicode映射（C2_1）

由于iText中的文本提取基本上遵循第9.10节中的描述，因此iText无法提取这些条目的实际文本，而是返回原始字形代码，就像Adobe Reader copy&paste一样

通常这意味着必须求助于OCR，或者是整个页面并使用OCR提取所有文本，或者是单独使用相关字体的字符来为这些字体构建ToUnicode表格，然后如上所述提取文本

不过，在这种情况下，C2_0和C2_2嵌入式字体程序本身包含将包含的字形映射到Unicode代码点的信息。因此，还可以利用这些字体程序中的信息构建ToUnicode表。这些信息可以从字体程序中读取使用可处理真字体的字体库。
您可以共享pdf供检查吗？excel与pdf的关系如何？这是pdf文件的一部分（将联机30天）我已经为pdf文件创建了解析器，这样我就可以分析数据和结构本身，我只是使用Microsoft.Office.Interop将所有解析的文本放到Excel中。这个法语文本是我工作的瓶颈。嗨，mkl！非常感谢！你的回答以某种方式解决了我的问题。我将使用Adobe作为主要工具，并使用ITextSharp进行结构分析。我将更好地使用c创建基于Adobe output或任何其他OCR的解析器。另外，您能分享一下您用来检查上述信息的工具吗？@Vitalii我使用了基于iText的PDF检查工具RUPS，我还打开了一份PDF规范副本供参考。