java实现word转pdf编号（一）乱码问题

在Java中将Word文档转换成PDF并添加编号时，可能会遇到乱码问题，特别是在处理包含非ASCII字符的文件时。这通常是因为编码不匹配导致的。解决步骤包括：

1. **确认源文件编码**：首先，检查Word文档的编码，它可能是UTF-8、GBK或其他格式。你可以使用专门的工具（如Notepad++等）查看或修改文件编码。

2. **设置转换工具的编码**：如果你使用的是Apache POI库操作Word文件，需要确保处理文档时使用的编码一致。例如，`POI XWPFDocument`默认是用UTF-8打开，如果源文件是GBK，则需要先将其转换为UTF-8。

   FileInputStream fis = new FileInputStream("source.docx");
   XWPFDocument doc = new XWPFDocument(fis);
   // 检查并转换编码，这里假设是GBK
   fis = new FileInputStream(new FileInputStream("source.docx").getChannel().read(ByteBuffer.allocate(4)).array());
   fis.mark(Integer.MAX_VALUE);
   byte[] bom = new byte[4];
   fis.read(bom);
   fis.reset();
   if (Arrays.equals(bom, "GB18030".getBytes())) {
       fis = new FileInputStream(new InputStreamReader(fis, "GB18030"));
   }

3. **转换过程中指定编码**：在将Word转换为PDF时，确保转换工具也使用相同的编码。例如，使用iText库时可以这样做：

   Document document = new Document();
   try (Reader reader = Files.newBufferedReader(Paths.get("path_to_word"), StandardCharsets.UTF_8)) {
       PdfCopy copy = new PdfCopy(document, new FileOutputStream("output.pdf"));
       // ...其他设置
       copy.setDocumentInfo(document.getDocumentInfo());
       XMLWorkerHelper.getInstance().parseXwpf(reader, document);
   }

4. **处理生成的PDF**：在生成的PDF中，如果仍有乱码，检查是否设置了正确的字符集。对于iText，可以在`PdfWriter`实例创建时指定：

   PdfWriter.getInstance(document, new FileOutputStream("output.pdf"), Charset.forName("UTF-8"));