Esos "codigos raros" que obtienes no es ni mas ni menos que el Formato de PDF ..
Tendras que informarte sobre dicho formato para filtrar el archivo y quedarte solo con el contenido (sin mas adornos de codigos para tipografia .. o definiciones de propiedades de la página).
Otro detalle .. (que no conozco ..) es si el formato PDF usa algun tipo de compresion (propia o standar) .. si es así primero tendras que "descomprimirlo" y luego buscar tu contenido ..
Aquí tienes mas info sobre el formato PDF:
<a href='ir.asp?http://www.pdfzone.com/resources/technicalinfo.html' target='_blank'>http://www.pdfzone.com/resources/technic...</a>
Un saludo,