He estado usando PDFBOX versión 2.0.0 en un proyecto Java para convertir archivos PDF a texto.

varios de mis archivos PDF no tienen el método ToUnicode, por lo que aparecen en Gibberish mientras los exporto.

2016-09-14 10:44:55 WARN org.apache.pdfbox.pdmodel.font.PDSimpleFont(1):322 - No Unicode mapping for 694 (30) in font MPBAAA+F1

en el WARN anterior, en lugar del personaje real, se presentó un galimatías unicode (30).

Pude superarlo editando eladditional.txt archivo en pdfbox, ya que por prueba y error entendí que el código del carácter (694 en este caso) representa una cierta letra hebrea (צ).

Aquí hay un breve ejemplo de lo que he editado dentro del archivo:

-694;05E6 #HexaDecimal value for the letter צ
-695;05E7
-696;05E8

Más tarde, me encontré con casi la misma advertencia en un PDF diferente, pero en lugar de caracteres galimatizantes no obtuve ningún tipo de caracteres. Aquí se puede ver una explicación más detallada de este problema.lectura de pdf a través de pdfbox en java

2016-09-14 11:07:10 WARN org.apache.pdfbox.pdmodel.font.PDType0Font(1):431 - No Unicode mapping for CID+694 (694) in font ABCDEE+Tahoma,Bold

Como puede ver, la advertencia vino de una clase diferente (PDType0Font) en lugar de la primera advertencia (PDSimpleFont), pero el nombre en clave (694) es el mismo en ambos y ambos hablan del mismo personaje.

¿Hay un archivo diferente que debería editar aparte deadditional.txt señalar el código 694 (la letra hebrea צ) a su unicode correcto?

Gracias