有没有办法从带有俄语文本（cp1251）的pdf文件中提取文本？
为了解析 pdf 文件，我使用 pdfminer 包。我试图在 pdfminer.converter.TextConverter 类的参数中指定编码，但它没有帮助。
问问题
961 次
1 回答
0
如果您想在从 PDF 文件中提取文本后进一步解析文本，则需要 python ...所以只需先提取文本而不转换文本并将其保存在 txt 文件中。
您可以为此目的使用 pdf2txt（使用 unbuntu：http ://manpages.ubuntu.com/manpages/precise/man1/pdf2txt.1.html ）
然后你用 python 打开文件并将文本形式 cp1251 转换为 utf-8，这里接受的答案将告诉你如何做：
然后解析...
于 2015-08-26T14:35:30.430 回答