我想使用pdfBox从波斯语pdf文件中提取测试，但它返回所有波斯语字符的"?"（它在同一文档中正确返回拉丁文字）。
我该如何解决？有什么建议？
遗憾的是，提供的文件将波斯文本作为矢量图形，而不是字体中的文本，因此无法提取。你必须使用OCR。
为什么我没有从PDF文档中获取任何文本？
从pdf文档中提取文本是一项复杂的任务，并且涉及许多因素会影响文本提取的可能性和准确性。如果您可以尝试一些事情，对PDFBox团队会有所帮助。
在Acrobat中打开PDF并尝试从那里提取文本。如果Acrobat可以提取文本，那么PDFBox也应该能够，如果它不能，它就是一个bug。如果Acrobat无法提取文本，那么PDFBox'可能'也不能。
它可能真的是图像而不是文本。某些PDF文档只是已扫描的图像。您可以使用Acrobat中的选择工具来判断，如果您无法选择任何文本，那么它可能是图像。