Пытаюсь конвертировать кирилицу из pdf в txt c помощью PyPDF2 в Python:
import PyPDF2
pdf_file = open('mail_cir.pdf', 'rb')
read_pdf = PyPDF2.PdfFileReader(pdf_file)
number_of_pages = read_pdf.getNumPages()
page = read_pdf.getPage(0)
page_content = page.extractText()
print (page_content.encode('utf-8'))
Ошибки не выдает, но и текст не видит.
Пыталась изменить:
pdf_file = codecs.open('mail_cir.pdf', 'rb', encoding='utf-8')
Тогда выдается ошибка:
TypeError: Can't convert 'bytes' object to str implicitly
И другой вопрос:
Если конвертировать стих, то после окончания строки на пустом месте выводится \n \n
. Как избавиться от этих символов?
print (page_content.decode('cp1251').encode('utf-8'))
попробуйте, я давно с python не работал, и сейчас нет возможности проверить, может поможетAttributeError: 'str' object has no attribute 'decode'
extractText
вернул текст, но только ascii, кириллица в нем отсутствовала