☰

Valor de retorno no script do PowerShell armazenado em string não utf8

tag-icon • tag-icon powershell script utf-8
Valor de retorno no script do PowerShell armazenado em string não utf8

Estou tentando extrair tabelas de um PDF usando tabula e powershell. Quando insiro o comando diretamente no console do PowerShell, obtenho o resultado esperado exibido (em utf8 com símbolos de trema)

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

Mas quando eu coloco isso em uma variável de string e depois escrevo em um arquivo, os símbolos de trema ficam sem sentido

$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

Mesmo se eu imprimir a variável no console, os símbolos do trema não serão exibidos corretamente

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

Existe uma maneira de armazená-lo em uma variável de string (e, portanto, ser capaz de manipular o conteúdo) e gravá-lo em um arquivo mantendo a codificação utf8 (sem BOM)?

Usando a abordagem dehttps://stackoverflow.com/a/5596984/1786528também não funciona para mim

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

Não recebo nenhum erro, mas também nenhum arquivo é criado ou nenhuma linha é adicionada.

Atualizar:

[System.IO.File]::WriteAllLinescria um arquivo (em UTF sem BOM), usei apenas um caminho relativo e não configurei [System.Environment]::CurrentDirectory = (Get-Location).Path. Mesmo assim, os símbolos do trema não estão corretos.

Detalhes adicionais

caso 1: saída diretamente no console, por exemplo

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

caso 2: saída armazenada na variável e depois impressa no console, por exemplo

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

caso 3: saída armazenada na variável, mas com -D"file.encoding=UTF-8", e depois impressa no console, por exemplo

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

Atualizar:

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

caso 4: saída diretamente no console (com alteração [System.Console]::OutputEncodingprévia), por exemplo

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

caso 5: saída armazenada na variável e depois impressa no console (com alteração [System.Console]::OutputEncodingprévia), por exemplo

[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

Isso resultará nisso para símbolos de trema

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

informação relacionada