Блог

Я пытаюсь прочитать этот персидский pdf-файл, но результат не очень хорошо расшифрован. Я также попробовал utf-16 или utf-32, но никаких читаемых результатов получено не было. Я хочу, чтобы персидские даты были в таблице. Были опробованы другие библиотеки, но хороший текст извлечен не был.

  urlpdf="https://www.codal.ir/Reports/DownloadFile.aspx?id=LG5QhAhMbfl2DrQQQaQQQ+kR9nMQ=="
    response = requests.get(urlpdf, verify=False, timeout=5)
with io.BytesIO(response.content) as f:
    #print(response.content)
    pdf = PdfFileReader(f)
    #print(pdf)
    information = pdf.getDocumentInfo()
    number_of_pages = pdf.getNumPages()
    txt = f"""
    Author: {information.author}
    Creator: {information.creator}
    Producer: {information.producer}
    Subject: {information.subject}
    Title: {information.title}
    Number of pages: {number_of_pages}
    """
    # Here the metadata of your pdf
    print(txt)
    # numpage for the number page
    numpage=0
    page = pdf.getPage(numpage)
    page_content = page.extractText() "n"
    # print the content in the page 20 
    g=open("extract.txt",'w',encoding='UTF-8',)
    g.write(page_content)
    g.close
    print(page_content)