4

私はトルコ語の物語であるpdf本を読まなければなりません。pyPdf というライブラリを見つけました。以下のテスト関数が正しくエンコードされません。トルコ語のコーデック パケットが必要だと思います。私が間違っている ？私が間違っている場合、この問題を解決するにはどうすればよいですか? または、このトルコ語コーデック パケットを見つけるにはどうすればよいですか?

from StringIO import StringIO
import pyPdf,os

def getPDFContent(path):
    content = ""
    num_pages = 10
    p = file(path, "rb")
    pdf = pyPdf.PdfFileReader(p)
    for i in range(0, num_pages):
        content += pdf.getPage(i).extractText() + "\n"
    content = " ".join(content.replace(u"\xa0", " ").strip().split())   
    return content

if __name__ == '__main__':
    pdfContent = StringIO(getPDFContent(os.path.abspath("adiaylin-aysekulin.pdf")).encode("utf-8", "ignore"))
    for line in pdfContent:
        print line.strip()
    input("Press Enter to continue...")
4

1 に答える 1

1

具体的にどのようなエラー/予期しない出力が発生していますか?

pyPdf ホームページによると、pyPdf はメンテナンスされなくなりました。しかし、「より広い範囲の入力 PDF インスタンスを処理する」ことを約束するPyPDF2 ( GitHub )と呼ばれるフォークがあります。

PyPDF2 にアップグレードすると問題が解決する可能性があります。最初に試してみることをお勧めします。

于 2013-05-28T12:22:04.617 に答える