androidのitextpdfを使用してmarathi、hindi pdfファイルからテキストを抽出する方法

Question

itextpdfを使用して私のアンドロイドアプリケーションでpdfからテキストを抽出しています。それは英語を持つpdfのためにうまくいきますが、マラソンやヒンディー語pdfからテキストを抽出しようとすると、適切なテキストが抽出されません。

それは

मत्रबधअरुणकळकणी ैंुशेणानेजधमनीसारवनूझाल्याआधणसमुाककागणुगणुतरागोळीकाढूलागलीとして結果を与えています。 तीं

あなたは、Android上でなかった場合、答えは簡単だろう、適切なコンテンツ

Answer 1

を抽出するために、この中で私を助けてください：iTextの7 iTextは7でドキュメントを解析するときに出力が出て非常にクリーンくるを使用まだ100％正確ではありませんが、少なくとも私はほとんど読めるように見えます（しかし、私はネイティブスピーカーが確認する必要があります）。これは、2ページのためである：

मैत्रबधंअरुणकुळकणी
मैत्रबधं

अरुणकुळकणी

ईसाहित्यप्रहिष्ठान
ईसाहित्यप्रहिष्ठान

結果は、いくつかのマイナーで、次のページの類似していますちょっとした問題ですが、iText 5のように歪んでいるものはありません。

しかし、残念ながらあなたはAndroidを使用しています。まだiText 7のAndroidバージョンはありませんので、待っているか、AndroidプラットフォームにiTextを手動で移植しようとしています（AndroidとiTextの両方に精通していなければ永遠にかかるでしょう） 。

これは私が使用しiTextの7コードです：FYI

// iText imports 
import com.itextpdf.kernel.pdf.PdfDocument; 
import com.itextpdf.kernel.pdf.PdfReader; 
import com.itextpdf.kernel.pdf.canvas.parser.PdfTextExtractor; 
public class HindiText { 

    @Test 
    public void go() throws Exception { 
     try (PdfDocument doc = new PdfDocument(new PdfReader("input.pdf"))) { 
      try (OutputStream os = new FileOutputStream("output.txt")) { 
       String result = PdfTextExtractor.getTextFromPage(doc.getPage(3)); 
       os.write(result.getBytes(Charset.forName("UTF-16"))); 
      } 
     } 
    } 
} 

：2016年12月2日の時点で、あなたは、私が上記の品質を達成するために、ソース（https://github.com/itext/itext7）からiTextの7を構築する必要があります。この機能はリリース時にiText 7.0.2に含まれています。