原始代码：( 037(TJ
CID 31应根据正确的差异
，将CID 31映射到"✓">基本编码：winansiencoding
差异：[31，uni2713]
CID 31根据Tounicode CMAP映射到" 3"中，这是错误的
cmap：
/CIDInit /ProcSet findresource begin
12 dict begin
begincmap
/CIDSystemInfo
<< /Registry (Adobe)
/Ordering (UCS) /Supplement 0 >> def
/CMapName /Adobe-Identity-UCS def
/CMapType 2 def
1 begincodespacerange
<0000> <FFFF>
endcodespacerange
2 beginbfchar
<1F> <0033>
<0020> <0020>
endbfchar
endcmap CMapName currentdict /CMap defineresource pop end end
在pdf格式中渲染，文本提取是两个独立的路径。与pdf中的html说不同，这是两个单独的动作。
根据您提供的内容，页面内容流具有字符代码 037(八月(。对于渲染，使用编码，其中差异是一部分的一部分，因此使用了编码Uni2713的字体上的字形索引。
但是，对于文本提取，使用了tounicode cmap。您可以通过在各种PDF读取器中打开PDF来验证这一点，然后将文本 粘贴到文本编辑器中。
的原因是，虽然字符代码只能映射到特定字体中的一个字形，但相同的字符代码可以映射到多个Unicode值。说u fb01(结扎(。
发现没有足够好的程序可以从PDF中提取文本和表。
您可能没有看到我为我开发的公司开发的文本和表提取工具。https://www.pdftron.com/document-usterding
https://www.pdftron.com/pdf-tools/pdf-table-traction