我使用PDFNet（版本9.308007）将PDF文件转换为文本格式。最近需要从Ubuntu 16.04升级到Ubuntu 20.04。问题是，在Ubuntu 20.04上使用PDFNet转换时，输出文件中的单词顺序发生了变化。例如：
Ubuntu 16.04
'\r\n -$14，309.29\r\n付款- 12/19/2022 -谢谢;
Ubuntu 20.04
'付款- 12/19/2022 -谢谢-$14，309.29\r\n'
我需要的单词顺序完全像第一个变体（Ubuntu 16.04）。将非常感激，如果会有至少一些线索，在哪里进一步挖掘。
1条答案
按热度按时间q43xntqr1#
假设不是PDF中的所有字体都是嵌入式的，那么问题就在于两个系统上安装了不同的字体，当PDFNet进行字体替换（针对非嵌入式字体）时，这些其他字体具有不同的度量和字形。字体度量和字形的这种细微差异会影响文本运行检测，并导致不同的文本提取输出。
更新Ubuntu 20系统，使其具有与Ubuntu 16系统相同的字体，这将导致相同的字体替换，因此相同的文本提取顺序。