从docx中提取符号字符
我正在开发一个JAVA程序，它处理docx文件的XML内容并将其转换为特定格式。 它工作得很好，但如果Word文件包含符号字符，例如希腊字母，我会遇到问题。 在这种情况下，我只看到小方块。
我检查了源代码并看到如下内容：
ďˇ 或者，如果我将编码设置为UTF-8：
当我查看为Hexa时，似乎希腊字符编码为EF 81 A1 for alpha， EF 81 A2 for beta等等。
我也尝试了val.getBytes(Charset.forName("utf8")) ，其中val是标签的值。 结果是例如[-17, -127, -95] 。 负面价值对我来说非常令人惊讶。
所以我的问题是，将这些符号转换为常规UTF-8字符的安全可靠方法是什么？
同时，我找到了解决方案，所以我将其添加为答案以供将来参考。
我使用字形查看器软件检查了Symbol字体，我意识到它使用Unicode的私有使用区域作为其字符。 Times New Roman等其他字体存储正常Unicode范围内的相关字符（例如希腊字母）。
因此，解决方案是使用标准Unicode字形映射Symbol字形。 我已经为Symbol字体中的希腊字母（大/小写），标点符号，数字和数学符号手动创建了一个转换表。 请注意，即使variuos范围内的字符顺序也彼此不同，例如希腊字母表在符号和Unicode中的顺序不同。 所以我不得不逐个检查字符代码。
当我有转换表时，我将其存储在一个txt文件中。 当我的应用程序在Word文件中找到一个段（运行）时，该文件使用符号字体格式化（示例中为HashMap ，并将符号从Symbol代码逐个更改为Unicode：
public String convert(String symbolString) { StringBuilder sb = new StringBuilder(); for(int k=0; k
其中conversionTable是包含替换代码为hex值的HashMap对象。