用过PDF box的朋友请帮下忙啊

Question

我在D盘下有两个PDF文件 都是中文的  分别是aa.pdf和bb.pdf
读取代码如下FileInfo file = new FileInfo("d:\\aa.pdf");
PDDocument doc = PDDocument.load(file.FullName);
PDFTextStripper pdfStripper = new PDFTextStripper();        
string text = pdfStripper.getText(doc);
奇怪的是我读取aa.pdf能正常读取  
而读取bb.pdf的时候却是乱码用过pdf box的朋友 能帮忙看下是什么问题吗

Answer 1

可能是aa.pdf和bb.pdf两个的文件的编码格式不一样。
如果是的话  如何判断这两个文件的编码格式  读的时候用不同的方法去读呢？

Answer 2

需要判断文件流的前三个字节来判断编码。   
  或者使用   
  StreamReader   sr   =   new   StreamReader("filepath",true/*detectEncodingFromByteOrderMarks*/);

Answer 3

PDF为了识别所有的字符，给每一个文字都赋予一个唯一的编码，叫CID。 然后又提供了不同的字体编码与CID的Map文件和CID和Unicode的Map文件。参照Resources\cmap\00_readme.pdf文件，就可以知道这些文件是什么。 一般的PDF文件中文字转换方法应该是从PDF文件解析出来字体名称和文字编码后，从对应的CMap文件中找到该文字编码对应的CID。然后再根据CID从CID和Unicode的Map文件找到对应的Unicode。 PDFBox不能正常转换中文的原因就在于，CMapParser Class没有解析begincidrange(不同的字体编码与CID对照表)一节， 也没有参照CID和Unicode Map文件进行转换，这是一个Bug。 

Answer 4

确保PDF支持的字体在你本地都有安装支持就不会有这个问题
我也用了pdfbox，没有出现乱码情况

Answer 5

LS的能留下联系方式吗 我给你发一个PDF文件 你看能正常读取吗

Answer 6

麻烦问一下我将pdfbox里边
IKVM.GNU.Classpath.dll
PDFBox-0.7.3.dll
FontBox-0.1.0-dev.dll
IKVM.Runtime.dll
四个文件都引用了，运行代码如下：
PDDocument doc = PDDocument.load("201011.pdf");
PDFTextStripper stripper = new PDFTextStripper();
string txt = stripper.getText(doc);
Console.WriteLine(txt);
我希望读出pdf当中文本
请问一下，我运行时
这句话显示错误string txt = stripper.getText(doc);
错误内容是Unknown colorspace array type:COSName{DeviceCMYK}，是一个IOException 。
怎么解决啊