Jan Divis created PDFBOX-1301:
---------------------------------
Summary: Wrong characters in HTML/TXT file from PDF containing
scanned pages/images
Key: PDFBOX-1301
URL: https://issues.apache.org/jira/browse/PDFBOX-1301
Project: PDFBox
Issue Type: Bug
Environment: Windows XP, java version "1.6.0_29"
Reporter: Jan Divis
When trying to extract text/html from attached PDF file, there are some wrong
characters (instead of characters with diacritics):
Pro úþely tohoto Protokolu mohou bêt sdělení ]asílána prostřednictvím
elektronickêch nebo Makêchkoli Minêch prostředkĤ
instead of
Pro účely tohoto Protokolu mohou být sdělení zasílána prostřednictvím
elektronických nebo jakýchkoli jiných prostředků
resp.
Pro úþely tohoto Protokolu mohou bêt sdělení
]asílána prostřednictvím elektronickêch nebo
Makêchkoli Minêch prostředkĤ
instead of
Pro účely tohoto Protokolu mohou být sdělení
zasílána prostřednictvím elektronických nebo
jakýchkoli jiných prostředků
--
This message is automatically generated by JIRA.
If you think it was sent incorrectly, please contact your JIRA administrators:
https://issues.apache.org/jira/secure/ContactAdministrators!default.jspa
For more information on JIRA, see: http://www.atlassian.com/software/jira
