[jira] [Created] (PDFBOX-4284) LibreOffice6 PDF Conversion broke PDFTextStripper result

["David KELLER (JIRA)" <ji...@apache.org>]

David KELLER created PDFBOX-4284:
------------------------------------

             Summary: LibreOffice6 PDF Conversion broke PDFTextStripper result  
                 Key: PDFBOX-4284
                 URL: https://issues.apache.org/jira/browse/PDFBOX-4284
             Project: PDFBox
          Issue Type: Bug
          Components: Parsing
    Affects Versions: 3.0.0 PDFBox
         Environment: Window 10 and CentOS7
            Reporter: David KELLER
         Attachments: libreoffice_5.2.pdf, libreoffice_6.0.pdf

here the test program:

{{public class ExtractTextPdfTest {}}
{{    }}
{{    public static void main(String[] args) throws Exception {}}
{{        // #7272}}
{{//        String documentIn = "c:\\data\\test\\libreoffice_5.2.pdf";}}
{{        String documentIn = "c:\\data\\test\\libreoffice_6.0.pdf";}}
{{        }}
{{        try (PDDocument pdDocument = PDDocument.load(new File(documentIn))) {}}
{{            PDFTextStripper stripper = new PDFTextStripper();}}
{{            String content = stripper.getText(pdDocument);}}
{{            System.out.println(content);}}
{{        }}}
{{        }}
{{    }}}
{{}}}

 

1/  run PDFTextStripper on a Word document converted by LibreOffice 5.2 in PDF

 result : 
{quote}Réf : #chrono# Le #date#
Affaire suivie par :
#recipient.salutation#
#recipient.name#
#recipient.streetNumber#
#recipient.streetName#
#recipient.zipCode#
#recipient.locality#
#object#
#recipient.salutation#,
Nous  avons  bien  reçu  votre  candidature  pour  le  poste  de………………………….  et  nous  vous
remercions de l’intérêt que vous portez à notre administration.
Afin d'examiner votre candidature de manière plus complète, nous souhaiterions vous rencontrer.
Aussi, nous vous proposons un rendez-vous en nos locaux avec M ... , responsable du service de ... , le
... à ... heures.
Nous vous prions d’agréer, #recipient.salutation#, l’expression de nos salutations distinguées.
Le Maire,
#signature#
{quote}
 

1/  run PDFTextStripper on the same Word document converted by LibreOffice 6.0  in PDF

 

 result :
{quote}Réf : Destinataire
Affaire suiiiie aar : Adresse
Code Postal
Ville
Paris, le 25/07/2018
Madame, Moinsieuir
Nous avons le plaisir de vous informer que suite à la Commission d’Attribution de Logement 
qui s’est tenue le xx/xx/xxxx, nous avons décidé de vous attribuer le logement situé au xx 
rue xxxxxxxxxxxxxxxxxxxx, 75 000 Paris.
Les caractéristiuies de ce logemeint soint les suiiiaintes : 
 Suirface habitable :
 Tyae de logemeint :
 Garage/Parkiing :
 Mointaint dui loyer :
 Mointaint des charges :
 Mointaint dui déaôt de garainte :
 Date d’eintrée dains  les lieuix :
Les s mointaints arécisés soint à déduiire, le cas échéaint, de l'aide aui logemeint (APL, AL) calcuilée et  
commuiiniiuiée aar iotre Caisse d'allocatoins familiales.
Vouis  aiez  juisiui’aui  xx/xx/xx  aouir  inouis  siginifer  l’acceatatoin  de  ce  logemeint  aar  letre 
recommaindée aiec accuisé de réceatoin.
Vouis ariaint d’agréer, Madame, Moinsieuir, l’exaressioin de mes saluitatoins distinguiées.
Le Maire,
#siginatuire#


{quote}
 

 



--
This message was sent by Atlassian JIRA
(v7.6.3#76005)

---------------------------------------------------------------------
To unsubscribe, e-mail: dev-unsubscribe@pdfbox.apache.org
For additional commands, e-mail: dev-help@pdfbox.apache.org