Python编码如何支持土耳其字符

Question

我需要阅读土耳其故事的pdf书籍。我找到了一个叫做pyPdf的库。但是我的测试函数不能正确编码。我认为我需要安装土耳其编解码包，不知道这样想是否正确？如果不正确，我该如何解决这个问题，或者如何找到这个土耳其编解码包？

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...")

- hinzir

---

你想说什么？你能解释一下吗？ - hinzir

Answer 1

你具体遇到了什么样的错误或意外输出？

根据pyPdf主页所述，pyPdf已不再维护。但是有一个叫做PyPDF2（GitHub）的分支承诺“处理更广泛的输入PDF实例”。

也许升级到PyPDF2可以解决你的问题，我建议你先尝试一下。

- dbader

---

我用不同的方式解决了这个问题。在此之前，我将PDF转换为文本，然后读取文本文件。 - hinzir