如何从内容流中解码数据

Question

我使用如下代码创建了一个 pdf 文档：

// The text parameter equels 'שדג' it is Hebrew. unicode equivalent is '\u05E9\u05D3\u05D2'
private static void createSimplePdf(String filename, String text) throws Exception {

        final String path = RunItextApp.class.getResource("/Arial.ttf").getPath();
        final PdfFont font = PdfFontFactory.createFont(path, PdfEncodings.IDENTITY_H);

        Style hebrewStyle = new Style()
                .setBaseDirection(BaseDirection.RIGHT_TO_LEFT)
                .setFontSize(14)
                .setFont(font);

        final PdfWriter pdfWriter = new PdfWriter(filename);
        final PdfDocument pdfDocument = new PdfDocument(pdfWriter);
        final Document pdf = new Document(pdfDocument);
        pdf.add(
                new Paragraph(text)
                        .setFontScript(Character.UnicodeScript.HEBREW)
                        .addStyle(hebrewStyle)
        );

        pdf.close();
        System.out.println("The document '" + filename + "' has been created.");
    }

之后，我尝试使用 pdfbox util 打开此文档，我得到了以下数据：
但我在 Contents:stream 部分尤其是 Tj 标签中得到了意想不到的结果。我期望像下面的字符串 05E905D305D2 但我得到了 02b902a302a2。我试图将此 hex 字符串转换为普通字符串，但得到以下结果：ʹʣʢ 但我期望该字符串 שדג.
我做错了什么？热转换这个 02b902a302a2 字符串并得到 שדג?

Answer 1

这个答案写在评论@usr2564301 中。谢谢您的帮助！您得到的数字不是 Unicode 字符，而是字体索引。（检查字体是如何嵌入的！）PDF 中的文本并不特别关心 Unicode——它可能是也可能不是。优秀的 PDF 创建者添加 /ToUnicode table 来帮助解码，但它是可选的。

如何从内容流中解码数据

How to decode data from Content Stream

pdf

itext