将cp1251 pdf解析为python中的文本
将cp1251 pdf解析为python中的文本
提问于 2015-08-26 13:28:17
有什么方法可以用俄文(cp1251)从pdf文件中提取文本吗？
对于解析pdf文件，我使用pdfminer包。我试图在pdfminer.converter.TextConverter类的参数中指定编码，但没有帮助。
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-08-26 14:35:30
如果您想进一步解析文本，一旦从PDF文件中提取文本，您将需要python.因此，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 (与unbuntu：http://manpages.ubuntu.com/manpages/precise/man1/pdf2txt.1.html一起使用)
然后用python打开文件，然后将文本表单cp1251转换为utf-8，这里接受的答案将告诉您如何做：
How to convert a string from CP-1251 to UTF-8?
然后解析..。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/32228000
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号