Android Kotlin中如何解码PDF文件提取的乱码文本？

你现在的问题核心是把PDF当成纯文本文件读取了，PDF是二进制格式，内部包含压缩内容、字体映射等信息，不是普通文本文件，直接用InputStreamReader读肯定会乱码——那些乱码是PDF的二进制流和压缩数据，和字符编码（UTF-8之类）没关系，换编码也没用。

正确解决方案：用专门的PDF文本提取库 #

推荐使用Apache PDFBox（轻量、易用），步骤如下：

1. 添加依赖

在你的Module级build.gradle.kts（或build.gradle）里添加PDFBox依赖：

dependencies {
    implementation("org.apache.pdfbox:pdfbox:2.0.32")
    // 若需处理加密PDF，额外添加
    implementation("org.apache.pdfbox:pdfbox-tools:2.0.32")
}

2. 替换文本读取方法

修改readTextFromUri方法，用PDFBox解析PDF并提取文本：

@Throws(IOException::class)
fun readTextFromUri(uri: Uri): String {
    val stringBuilder = StringBuilder()
    contentResolver.openInputStream(uri)?.use { inputStream ->
        // 加载PDF文档
        PDDocument.load(inputStream).use { document ->
            if (!document.isEncrypted) {
                // 提取文本
                val stripper = PDFTextStripper()
                stringBuilder.append(stripper.getText(document))
            } else {
                // 处理加密PDF，可提示用户或用解密工具
                stringBuilder.append("该PDF已加密，无法提取文本")
            }
        }
    }
    Log.d(TAG, "提取的文本: $stringBuilder")
    return stringBuilder.toString()
}

3. 修正Compose状态变量

原来的stringResult是普通remember变量，修改后不会触发UI重组，要改成可观察状态：

val stringResult = remember { mutableStateOf("") }

在launcher回调里更新状态：

val launcher = rememberLauncherForActivityResult(ActivityResultContracts.OpenDocument()) { uri ->
    result.value = uri
    uri?.let {
        stringResult.value = readTextFromUri(it)
    }
}

4. 更新UI显示

把UI里的显示内容改成stringResult：

Row {
    Text(text = "提取的文本: ${stringResult.value}")
}

补充说明 #

• 若提取文本不准确，可能是PDF字体嵌入问题，或是扫描版PDF（图片格式），这种情况需要配合OCR工具（如Tesseract）处理。
• 你原来代码里的readText()会一次性读取所有内容，后续readLine()直接返回null，循环是多余的，但这不是乱码的核心原因。

内容的提问来源于stack exchange，提问作者ollo