TJ 和 Tj 运算符在解码后显示垃圾值答案

【问题标题】：TJ and Tj operators showing garbage values after decodingTJ 和 Tj 运算符在解码后显示垃圾值
【发布时间】：2022-11-16 00:58:08
【问题描述】：

我使用zlib python 库来解码使用FlateDecode 压缩的流。到目前为止，我使用过的所有 pdf 文件都在 Tj 和 TJ 运算符中显示了正确的值，但我在解码此 pdf 时遇到问题，因为我没有得到 PDF 中显示的内容。

我能够将文本从 PDF 复制到记事本而没有任何问题，而且pdftotext 正在以正确的单词作为输出给出预期结果。

我还使用 Adobe Preflight 来查看文档的内部结构，以仔细检查我通过 zlib 获得的解码文本，但即使这样也显示垃圾值，并且与 PDF 中显示的内容不匹配。

为什么我在文本运算符中得到这个垃圾值，pdftotext 如何仍然能够得到正确的结果？

另外，如何通过 python/zlib 获得正确的结果？

【问题讨论】：

【解决方案1】：

TJ/Tj 运算符中的值是 PDF 代码点（通常是一个字节，有时是两个）。您将需要查看正在运行的字体，然后读取字体编码（有很多种）。 PDF文本提取非常困难。我不建议自己尝试。

当您看到 PDF 文件中的 PDF 代码点恰好与它们所代表的 unicode 代码点完全相同时，您已经陷入一种错误的安全感 - 即您一直在查看使用简单字体编码的文件。

【讨论】：