用连字读写PDF文件？

Question

我正在尝试从PDF文件中读取文本，然后再使用Python将相同的文本写回另一个PDF。读入文本后，将字符串打印到控制台时字符串的表示形式为：

Officially, it’s called

但是，当我打印此文本字符串的repr()时，我看到：

O\xef\xac\x83cially, it\xe2\x80\x99s called

这对我来说很有意义 - 这些是来自PDF的符号的连字，即\ xef \ xac \ x83代表'ff'的连字。问题是，当我使用reportlab库将此字符串写入PDF时，PDF会有黑色符号，如下所示：

这只发生在某些连字上。我想知道我能做什么，以便我写入PDF的字符串不包含这些连字，或者是否有一种有效的方法来替换所有连字符。

Answer 1

您的输入似乎是正确的，但要查看输出中的ffi字符，请使用具有一个字体的字体。 您在这里使用的字体是沼泽标准Arial，它不包含它。

一些建议（主要取决于您的平台，但其中一些是开源）：

• Arial Unicode MS
• Lucida Grande
• 宋体
• 坎布里亚
• 牛腿
• Droid Sans / Droid Serif
• Helvetica Neue
• Ubuntu的

如果您不想要或无法更改字体，请在将文字写入PDF之前，将序列\xef\xac\x83替换为程序中的普通字符ffi。 （和你提到的其他某些连字类似。）

Answer 2

我最终做的是将文字文​​件中的字符复制出来并对它们进行.replace。即str.replace（＆＃39; ff＆＃39;，＆＃39; ff＆＃39;） - 如果看起来相同，那就相同了。左边的参数是连字符，右边的参数是两个f。另外，不要忘记＃ - - 编码：utf-8 - - 。