為什麼我的 Python PDF 文字擷取會產生亂碼輸出，如何修復它？

使用Python 擷取PDF 文字：排除輸出差異問題

嘗試使用Python 的PyPDF2 庫從PDF 檔案中擷取文字時，會遇到輸出與PDF 文件中的文字不同。具體來說，輸出失真並包含不可讀的字元。

要有效擷取 PDF 文本，建議使用 Tika 套件。與 PyPDF2 不同，它支援 PDF 文字擷取，同時保留原始格式。

以下是如何使用 Tika 提取文字：

from tika import parser # pip install tika

raw = parser.from_file('sample.pdf')
print(raw['content'])

請注意，Tika 依賴 Java 運行時，它必須在與 Python 一起使用之前先安裝。

以上是為什麼我的 Python PDF 文字擷取會產生亂碼輸出，如何修復它？的詳細內容。更多資訊請關注PHP中文網其他相關文章！