Правильное декодирование текста PDF с помощью iText для простой замены текста

Question

Я пытаюсь заменить текст в документе PDF / A на iText дюйм NET. (Я знаю, что замена текста в pdf не идеальна)

Это то, что PDF Debugger показывает мне как содержимое. Насколько я понимаю, Tj должно быть «текстом», а Tm - позициями для текста.

Производитель: ABBYY Recognition Server

Фильтр: FlateDecode

      /F_0 11 Tf
      BT
        1.4445 0 0 1 43.7 797.78 Tm
        [ (\000\033\000\010\000\020\000\021\000\032\000\025) 11 (\000\027) ] TJ
        2.3454 0 0 1 96.5 797.78 Tm
        (\000\001) Tj
        1.4637 0 0 1 102.95 797.78 Tm
        (\000\033\000\022\000\023\000\032\000\010\000\016\000\011\0007) Tj
        2.4545 0 0 1 160.55 797.78 Tm
        (\000\001) Tj
        1.0559 0 0 1 167.3 797.78 Tm
        (\000\031\000\027\0004) Tj
        1.7454 0 0 1 182.4 797.78 Tm
        (\000\001) Tj
        1.0403 0 0 1 187.19 797.78 Tm
        [ (\000\035\000\023\000\010\000\007) 9 (\0004) ] TJ
        1.7454 0 0 1 207.85 797.78 Tm
        (\000\001) Tj

В настоящее время это мой тестовый код:

var pdfDoc = new PdfADocument(new PdfReader(src), new PdfWriter(dest));
PdfPage page = pdfDoc.GetFirstPage();
PdfDictionary dict = page.GetPdfObject();

PdfObject obj = dict.Get(PdfName.Contents);

PdfArray refs = null;
if (dict.Get(PdfName.Contents).IsArray())
{
    refs = dict.GetAsArray(PdfName.Contents);
}
else if (dict.Get(PdfName.Contents).IsIndirect())
{
    refs = new PdfArray(dict.Get(PdfName.Contents));
}

for (int i = 0; i < refs.Count(); i++)
{
    try
    {
        PdfStream stream = (PdfStream)refs.Get(i);
        byte[] data = stream.GetBytes(true);
        //var x = DecodeFromUtf8(ByteArrayToString(data));
        Console.WriteLine(ByteArrayToString(data));

        //This is just a test
        String replacedData = ByteArrayToString(data).Replace("the", "abc");
        stream.SetData(StringToByteArray(replacedData));
    } 
    catch
    {
        Console.WriteLine("i = " + i);
    }
}

//String byte converter
private string ByteArrayToString(byte[] arr)
{
    var enc = new System.Text.UTF8Encoding();
    return enc.GetString(arr);
}

private byte[] StringToByteArray(string str)
{
    var enc = new System.Text.UTF8Encoding();
    return enc.GetBytes(str);
}

С ByteArrayToString(stream.GetBytes(true)) вывод выглядит так:

    q/F_0 56 Tf BT 126.25 687.12 TD[(\0\u0002)6(\0\u0003)4(\0\u0004)]TJ 1.1499 0 0 1 215.75 687.12 Tm(\0\u0001)Tj 1.0093 0 0 1 231.85 687.12 Tm(\0\u0005\0\u0006\0\a\0\b\0\t\0\b\0\v)Tj/G cs 149.30 0 TD(\0\u0001)Tj 1.0428 0 0 1 33.100 638.42 Tm(\0\u0003\0\f\0\u000e)Tj 1.1499 0 0 1 120.70 638.42 Tm(\0\u0001)Tj 1.0323 0 0 1 136.80 638.42 Tm[(\0\u000f\0\u0010\0\b\0\t\0\u0011\0\u0010)2(\0\u0004\0\u0012\0\u0013\0\b\0\u0012\0\u0013)2(\0\t\0\u0010)]TJ/F_0 22 Tf 1.0193 0 0 1 55.900 572.62 Tm[(\0\u0014\0\u0010\0\b\0\a\0\u0015\0\u0011)5(\0\u0010)]TJ 1.2727 0 0 1 124.30 572.62 Tm(\0\u0001)Tj 1.0338 0 0 1 131.30 572.62 Tm(\0\u0016\0\u0003\0\u0017)Tj 1.0909 0 0 1 160.30 572.62 Tm(\0\u0001)Tj 1.0387 0 0 1 166.30 572.62 ...

В окне консоли

    q/F_0 56 Tf BT 126.25 687.12 TD[(?)6(?)4(?)]TJ 1.1499 0 0 1 215.75 687.12 Tm(?)Tj 1.0093 0 0 1 231.85 687.12 Tm(?????   ??)Tj/G cs 149.30 0 TD(?)Tj 1.0428 0 0 1 33.100 638.42 Tm(???)Tj 1.1499 0 0 1 120.70 638.42 Tm(?)Tj 1.0323 0 0 1 13 ...

Поэтому я думаю, что мне нужен фильтр или декодер, чтобы «декодировать» текст, произвести замену и затем снова преобразовать его. Может кто-нибудь подскажет, что я делаю не так. Я никогда раньше не работал с pdf или iText.

Он работает с «простыми» pdf-файлами, где текст не «зашифрован», как в этом pdf.

Я не могу поделиться своим pdf здесь , но попробую найти похожий.