☰

Valor de retorno en el script de PowerShell almacenado en una cadena, no en utf8

tag-icon • tag-icon powershell script utf-8
Valor de retorno en el script de PowerShell almacenado en una cadena, no en utf8

Estoy intentando extraer tablas de un pdf usando tabula y powershell. Cuando ingreso el comando directamente en la consola de PowerShell, aparece el resultado esperado (en utf8 con símbolos de diéresis)

java -jar "./tabula-java/$tabulaVersion" --spreadsheet -a 114,53,180,556 "./table.pdf"

Pero cuando lo pongo en una variable de cadena y luego escribo en un archivo, los símbolos de diéresis se vuelven un galimatías.

$text = java -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet -a 114,53,180,556 "./table.pdf"   
Set-Content -Path "./file.txt" -Value $text

Incluso si imprimo la variable en la consola, los símbolos de diéresis no se muestran correctamente

$text = java -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet -a 114,53,180,556 "./table.pdf"   
Write-Output $text

¿Hay alguna manera de almacenarlo en una variable de cadena (y por lo tanto poder manipular el contenido) y escribirlo en un archivo manteniendo la codificación utf8 (sin BOM)?

Utilizando el enfoque dehttps://stackoverflow.com/a/5596984/1786528a mi tampoco me funciona

$Utf8NoBomEncoding = New-Object System.Text.UTF8Encoding $False
[System.IO.File]::WriteAllLines($filepath, $text, $Utf8NoBomEncoding)

No recibo ningún error, pero tampoco se crea ningún archivo ni se agrega ninguna línea.

Actualizar:

[System.IO.File]::WriteAllLinescrea un archivo (en UTF sin BOM), solo usé una ruta relativa y no configuré [System.Environment]::CurrentDirectory = (Get-Location).Path. Pero, aun así, los símbolos de diéresis no son correctos.

Detalles adicionales

caso 1: salida directamente en la consola, por ejemplo

java -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet "./table.pdf"

caso 2: salida almacenada en variable, luego impresa en la consola, por ejemplo

$text = java -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet "./table.pdf"   
Write-Output $text

caso 3: salida almacenada en variable pero con -D"file.encoding=UTF-8", luego impresa en la consola, por ejemplo

$text = java -D"file.encoding=UTF-8" -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet "./table.pdf"   
Write-Output $text

Actualizar:

$OutputEncoding= US-ASCII y [System.Console]::OutputEncoding= OEM Estados Unidos (IBM437)

caso 4: salida directamente en la consola (con cambios [System.Console]::OutputEncodingprevios), por ejemplo

[System.Console]::OutputEncoding = System.Text.Encoding]::GetEncoding(1252)
java -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet "./table.pdf"

caso 5: salida almacenada en variable, luego impresa en la consola (con cambios [System.Console]::OutputEncodingprevios), por ejemplo

[System.Console]::OutputEncoding = System.Text.Encoding]::GetEncoding(1252)
$text = java -jar "./tabula-1.0.1-jar-with-dependencies.jar" --spreadsheet "./table.pdf"   
Write-Output $text

Esto dará como resultado esto para los símbolos de diéresis

pdf    case 1    case 2     case 3    case 4     case 5
 ä      ä         Σ          ├ñ        „          ä
 ö      ö         ÷          ├╢        ”          ö
 ü      ü         ⁿ          ├╝                  ü

información relacionada