экспорт русского текста из pdf документа в python
коллеги! Я пытаюсь достать текст из pdf. Вот этот документ http://voeikovmgo.ru/images/stories/publications/2020/ejegodnik_zagr_atm_2019.pdf
Мне надо из пятой страницы получить текст:
pl = open('C:/ejegodnik_zagr_atm_2019.pdf', 'rb')
plread = PyPDF2.PdfFileReader(pl)
getpage = plread.getPage(4)
text = getpage.extractText()
print(text)
в качестве результата я получаю
'5 \n \n \n 89 \n 131 \n 90 \n 132 \n. 91 \n 133 \n 92 \n 134 \n 93 \n 135 \n 94 \n 136 \n 95 \n 137 \n 96 \n 138 \n 98 \n 139 \n. 99 \n 140 \n 100 \n 142 \n 101 \n\n 143 \n 102 \n 144 \n 103 \n 145 \n 104 \n 146 \n 105 \n 147 \n 106 \n \n 148 \n 108 \n 149 \n 109 \n 150 \n 110 \n-\n \n 151 \n-\n 111 \n 112 \n 152 \n 112 \n 153 \n 114 \n 154 \n 115 \n 155 \n 116 \n 156 \n 117 \n 157 \n 118 \n 158 \n 119 \n 159 \n 120 \n 160 \n 121 \n 161 \n-\n 122 \n 162 \n 124 \n-\n \n 163 \n 125 \n 164 \n 126 \n 165 \n 127 \n 166 \n 129 \n-\n 167 \n 130 \n 168 \n \n \n \n 184 \n 205 \n 187 \n 207 \n 189 \n-\n 209 \n 191 \n 212 \n 194 \n-\n 214 \n 197 217 \n 200 \n 219 \n 202 '
Моя задача - получить также текст на русском.Как решить данную задачу?
Ответы (2 шт):
Автор решения: Alexshev92
→ Ссылка
Вроде как PyPDF2 плохо работает с кириллицей. Можно попробовать pdfminer:
import pdfminer.high_level
text = pdfminer.high_level.extract_text('C:/ejegodnik_zagr_atm_2019.pdf', page_numbers = [4])
print(text)
В аргументе page_numbers передаём список страниц, текст из которых хотим извлчеь.