土耳其语字符的python编码

Question

我必须阅读土耳其故事的 pdf 书籍。我找到了一个名为 pyPdf 的库。我下面的测试函数没有正确编码。我想，我需要土耳其编解码器包。我错了吗 ？如果我错了，我该如何解决这个问题，否则我该如何找到这个土耳其编解码器数据包？

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...")

Answer 1

您具体得到了什么样的错误/意外输出？

根据pyPdf homepage , pyPdf 不再维护。但是有一个 fork 叫PyPDF2 ( GitHub ) promise “处理更广泛的输入 PDF 实例”。

也许升级到 PyPDF2 可以解决您的问题，我建议您先尝试一下。