Extract Text from PDF in unicode

[rassekst]

Hi,

I will extract text with the method GetPageText form PDF. The text in the pdf ist in unicode. How can I unicode text extract?

Thanks for the help.

Steffen

[Loïc]

Hi,

The text extraction is already done using unicode encoding.

If you have text extracted with incorrectly mapped characters, check the extraction with Adobe. If the result is different with GdPicture you should open an incident through our helpdesk that you can reach here: https://www.gdpicture.com/support/getting-support-from-our-team

With best regards,

Loïc

[rassekst]

Hi Loic,
I use following code:

Code: Select all

                       cOCRText = oPDF.GetPageText();
                                System.IO.Stream fs = new System.IO.FileStream("Test.OCR", System.IO.FileMode.Create);
                                byte[] data = System.Text.Encoding.UTF8.GetBytes(cOCRText);
                                fs.Write(data, 0, data.Length);
                                fs.Close();

The extracted text is:
@@
@@
@@
@@
@@
@@
@@
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@Æ™¤@Ó…ƒˆ¦™k@鉔”…™@ñò
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ã…“…†–•z@ðøòñ@a@óòô`ôøôó
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ã…“…†§z@ðøòñ@a@óòô`ôøöò
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@òóKññKòððñ
@@@@@@ÁÁÃÈÅÕÅÙ@ÇÙäÕÄåÅÙÔÖÅÇÅÕ
@@@@@@ÒÁ×ÉãÁÓÁÕÓÁÇÅ@ÇÔÂÈ
@@
@@@@@@æÖÅÙãÈâãÙK@óò
@@
@@@@@@õðööø@ÒÖÅÓÕ
@@
@@
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@õKôùððKðððùóùKõ@@ððððñ
@@@@@@@@Â…¢ƒˆ…‰„@ý‚…™@⣙ÿ…•™…‰•‰‡¤•‡¢‡…‚ýˆ™…•
@@
@@@@@@@@Ö‚‘…’£z
@@@@@@@@ÓÅÖÕÈÁÙÄâÂÅÙÇ@ñ
@@
@@@@@@@@Ç…‚ýˆ™…•¢ƒˆ¤“„•…™a‰•z
@@@@@@@@ÁÁÃÈÅÕÅÙ@ÇÙäÕÄåÅÙÔÖÅÇÅÕ
@@@@@@@@ÒÁ×ÉãÁÓÁÕÓÁÇÅ@ÇÔÂÈ
@@
@@@@@@ñKÇ…‚ýˆ™…•†…¢£¢…£©¤•‡z
================================================================================
Over the acrobat is the text also unicode.
The PDF is create with PCLGhost from a PCL file.

With best regards

Steffen

[Loïc]

Hello Stefen,

Please consider my latest reply. We will be able to investigate if you create a ticket that contains the document.

Kind regards,

Loïc