推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 2187 天前的主题，其中的信息可能已经有所发展或是发生改变。
我用 pdfplumber 之类的库读取文件，仅能读到一点点数据
用 pdf2image 转化成图片就是下面这样
在线 PDF 转 IMG 倒是完整的数据，可是不符合使用要求
我怀疑是不是因为签名啥的，因为用 WPS 打开的时候有提示来着
请问有没有解决办法？
 | 1 xiri 2020-01-14 14:38:01 +08:00 via Android pdf 对信息自动化处理来说简直是噩梦 |
 | 2 EricInBj 2020-01-14 14:39:02 +08:00 应该有错误输出的，大概率是字体缺失？ |
 | 3 BryceBu OP |
 | 4 PopRain 2020-01-14 15:25:46 +08:00 我觉得是类库不支持嵌入字体 |
 | 5 Rorysky 2020-01-14 15:26:39 +08:00 pymupdf 试试 |
| 6 BryceBu OP 刚刚在 Ubuntu 上试了一下，可以识别了 我下载的 STSong-light 字体文件都不能安装 看来原因还是 Windows 不支持这个字体？ |
 | 7 huaxie1988 2020-07-09 17:54:57 +08:00 为什么我 windows 和 centos 都读不出来中文 |
| 8 BryceBu OP @huaxie1988 #7 先用工具识别出 pdf 的字体，再查你的系统支不支持这个字体 |
 | 9 aec4d 2020-07-14 12:01:39 +08:00 先用工具把 PDF 文件标准化(比如内嵌字体)，在用商业 PDF 软件尝试编辑，如果商业 PDF 软件能编辑你想要的文本，说明这个文本可以程序解析，并不是一张图片 接下来就是用这种工具 https://github.com/pdfminer/pdfminer.six 读取文本 |
Select Language