[Stringhe] Eliminare formattazione dopo il parsing pdf

[alesdario]

Ciao a tutti. Sono finalmente riuscito a estrarre il testo dai PDF . Ora però ho un piccolo problema. Se il PDF è pieno di immagini e formattazioni strane (ad esempio quando viene creato da una presentazione Power Point) la stringa risultante è piena di caratteri strani (suppongo codice ascii, ma non ne sono sicuro). Qualcuno è a conoscienza di qualche metodo o libreria per eliminare quei caratteri?

Grazie

[morphy79]

yes !!
devi usare un encoding...
ti posto una funzione di lettura da un input stream che ho io..
come puoi vedere uso come encoding "ISO-8859-1".. ti toglie i caratteri sporchi..
prova a guardare con google quella che fa al caso tuo, ce ne sono molte..
questa è solo la dritta, poi sta a te applicarla.. se hai bisogno nello specfico sono qui cmq..

	public String read(InputStream is) throws Exception 
	{  
		InputStreamReader in =  new InputStreamReader(is, "ISO-8859-1"); 
		int n, i; 
     	char c;
     	String answer = new String(EMPTY_STR);  

     	for (i=0;i<10;i++)         			// look 10 times for character string to receive
     	{
     		//----- collect all characters from the serial line  
     		while (in.ready())            	// there is a byte available  
     		{
     			n = in.read();          	// get the byte from the serial line  
     			if (n != -1)               	// one byte received
     			{
     				c = (char)n;           	// convert the received integer to a character  
     				answer = answer + c;   	// collect the characters from the serial line  
     				Thread.sleep(1);       	// wait 1 msec between every collected byte from the mobile phone [Timing]  
     			} // if  
     			else break;                	// no more bytes available  
     		} // while  
     		Thread.sleep(100);              // wait 100 msec [Timing]  
     	}  // for  
     	
     	in.close();
     	strMsgs = "RICEVUTO: "+answer;
		lh.debugOperazioni(LOGGER_PREFIX, strMsgs, this.getClass().getName(), "read()", Level.DEBUG_INT);
		return answer;                    	// give the received string back to the caller
	} // read