Требуется извлечь весь текст из данного PDF файла.
Использую следующий код:
import PyPDF4
pdf_file = open('1.pdf', 'rb')
read_pdf = PyPDF4.PdfFileReader(pdf_file)
number_of_pages = read_pdf.getNumPages()
page = []
for i in range(0,number_of_pages):
page.append('')
page_content = ''
for i in range(0,number_of_pages):
page[i] = read_pdf.getPage(i)
page_content = page_content+page[i].extractText()
file = open("file.txt", "w", encoding="utf-8")
file.write(page_content)
file.close()
Автор данного кода @Assur
Проблема в том, что библиотека не читает кириллические символы (Пробовал извлечь текст из англоязычного файла, там всё прошло как нужно).
Каким образом можно извлечь кириллический текст из PDF файла?