我正在使用python2.7和PDFminer从pdf提取文本。我注意到有时PDFminer给我的单词带有奇怪的字母，但是pdf查看器却没有。同样，对于一些PDFminer和其他pdf查看器返回的pdf文档结果，它们是相同的（奇怪），但是有些文档中pdf查看器可以识别文本（复制粘贴）。这是返回值的示例：
从pdf检视器中读取：فتــح بـــاب ا.ستيــراد البيــ�ض والدجــــاج المجمـــد
来自PDFMiner：óªéªdG êÉ````LódGh ¢†``«ÑdG OGô``«à°SG ÜÉ Hí``àa
所以我的问题是我可以获得与pdf查看器相同的结果，而PDFminer有什么问题。它会丢失我不知道的编码吗？
最佳答案
是。
当使用自定义字体编码（例如， identity-H，identity-V等，但是字体未正确嵌入。
pdfminer在这种情况下会提供垃圾输出，因为需要编码才能解释文本