Java 通过iText提取PDF文本返回奇怪字符

我正在使用itext 5.3.4从PDF文件中提取文本。我使用的代码如下所示：

    PdfReaderContentParser parser = new PdfReaderContentParser(pdfReader);
    TextExtractionStrategy strategy;
    StringBuffer sb = new StringBuffer();

    for (int i = 1; i <= pdfReader.getNumberOfPages(); i++)
    {
        strategy = parser.processContent(i, new SimpleTextExtractionStrategy());
        sb.append(strategy.getResultantText());
    }
    String text = sb.toString();

PdfReaderContentParser=新的PdfReaderContentParser（pdfReader）；
文本抽取策略；
StringBuffer sb=新的StringBuffer（）；
对于（int i=1；i我发现两种可能的原因：

1.PDF文档是问题所在

一些银行使用机密信息创建文档。为了避免对其文档进行分析和提取，他们故意使用不正确的信息创建CMap。字符链接到标志符号（并且标志符号正确呈现），但也有一个字符到UNICODE符号的映射，该映射是故意错误的（因此无法提取内容）

我在这些电影中展示了这样一个文件的示例：





2.iText是问题所在

您正在使用2012年11月2日的版本。在随后的（几乎）三年中，我们修复了许多错误。如果您升级到iText 5.5.7，您的问题可能已经解决

如果升级到iText 5.5.7无法解决问题，并且PDF不是问题所在，则您可能在iText中遇到了错误。如果您在商业环境中使用iText，则您是iText软件的客户；在这种情况下，请通过仅面向客户的封闭式票务系统与iText的支持部门联系。
测试的第一件事——别担心，这很简单——是用Acrobat Reader复制文本并粘贴到其他地方。如果Acrobat Reader不能忠实地阅读文本，问题很可能出在PDF中。还有一件事要做：请更新。5.3.x版本是文本提取代码发生变化的时期。请参阅以获取类似的信息此行为的问题和可能的解释。升级到itext的5.5.7版解决了此问题，升级到itext的5.5.7版解决了此问题