问PDF提取时忽略表格

EN

我正在尝试用Java制作一个文本处理应用程序，它需要文本作为输入。现在，我从用户指定的PDF文件中提取此输入。我正在使用PdfBox进行文本提取。我遇到的问题是，PDF文件可能包含表格、方程式和特殊符号，所以PdfBox提取的文本在很多地方都包含垃圾。由于这个原因，我的文本处理应用程序无法给出它的最佳结果。我想知道PDF是否有特定的表格格式，这样我就可以到达根级别，并在提取时排除它们。此外，在许多情况下，提取的文本包含呈现为“？”的未知字符。虽然在实际的PDF中，它们看起来是普通的字母表。我也尝试过其他库- IText，但效果并不理想。简而言之，我想要的是从PDF文件中提取简单的句子，排除所有其他垃圾。如果有人能帮我解决这个问题，或者其他更好的Java提取库，那就太好了。谢谢。