从PDF复制粘贴在原始文件上是乱码，但在使用CutePDF打印pdf时已修复
我有这个PDF文件 ，是希腊语。 尝试从中复制和粘贴文本时会出现一个已知问题 ，导致轻微的乱码。 我说轻微而不是全部的原因是，虽然粘贴的输出在希腊语中没有意义，但它由有效的希腊字符组成。 此外，该问题的一个有趣方面是并非所有字符都映射错误。 例如，如果您比较此原始文本条带
ΕΞ. ΕΠΕΙΓΟΝ – ΑΜΕΣΗ ΕΦΑΡΜΟΓΗ ΝΑ ΣΤΑΛΕΙ ΚΑΙ ΜΕ Ε-ΜΑIL 使用PDF中粘贴的内容：
ΔΞ. ΔΠΔΙΓΟΝ – ΑΜΔΗ ΔΦΑΡΜΟΓΗ ΝΑ ΣΑΛΔΙ ΚΑΙ ΜΔ Δ-ΜΑIL
您会注意到某些字符被正确粘贴，而其他字符则没有。 值得一提的是，错误的字符reflection映射错误，例如Ε变为Δ ，反之亦然。
当我使用Adobe打开PDF，并使用PDF编写器打印它，在这种情况下，CutePDF，复制和粘贴时的输出是正确的！
鉴于上述情况，我的问题如下：
- 这种行为的根本原因是什么？
- 如何将解决方案集成到基于java的工作流程中，以便随机导入PDF文件？
编辑：一些错别字
一些基本背景：
通过从字体中选择字形来显示PDF格式的文本。 字形是一个或多个字符的直观表示。 字形选择使用字符代码完成。 对于文本提取，您需要知道哪些字符与字符代码相对应。
在这种情况下，这是使用ToUnicode CMap实现的。
在本文档中，文本片段的第一个字母E显示如下：
[0x01FC, ...] TJ
ToUnicode CMap包含此条目：
4 beginbfrange <01f9> <01fc> <0391> ... endbfrange
这意味着字符代码0x01F9 ， 0x01FA和0x01FC分别映射到Unicode U+0x391 ， U+0x392 ， U+0x393和U+0x394 。
U + 0394是希腊三角洲Δ，在复制/粘贴时显示。
下一个字母使用字符代码0x0204绘制。 相关的ToUnicode条目是<0200> <020b> <039a> ，它将其正确映射到U + 039E
所以，你会有轻微的胡言乱语，因为只有一些Unicode映射是错误的。 有时，这是故意进行的，例如，以防止数据挖掘。 我之前在财务报告中看过它。