кодировка python для турецких символов

Question

Мне нужно прочитать pdf-книги, которые являются турецкими историями. Я нашел библиотеку, называемую pyPdf. Моя тестовая функция, которая приведена ниже, неправильно кодируется. Я думаю, мне нужно иметь турецкий пакет кодеков. Я ошибаюсь ? если я ошибаюсь, как я могу решить эту проблему, как я могу найти этот турецкий пакет кодеков?

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...") 

Answer 1

Какую ошибку/неожиданный вывод вы получаете конкретно?

Согласно pyPdf homepage, pyPdf больше не поддерживается. Но есть вилка под названием PyPDF2 (GitHub), которая обещает «обрабатывать более широкий диапазон входных экземпляров PDF».

Возможно, обновление до PyPDF2 решает вашу проблему, я предлагаю вам попробовать это в первую очередь.