py-pdf/pypdf

can not decode afii characters (ISO 10036)

Aperta

#1381 aperta il 5 ott 2022

Vedi su GitHubGuida contributor
 (1 commento) (0 reazioni) (0 assegnatari)Python (1258 fork)batch import
help wantedworkflow-arabic-text-extraction

Metriche repository

Star
 (6413 stelle)
Metriche merge PR
 (Merge medio 8g) (49 PR mergiate in 30 g)

Descrizione

extracted from #1379 PS : in the extraction result, the arabic characters are replaced with /afiinnnn. this is because the data uses the iso 10036 standard that I've not been able to find any free information on how to do transcoding file 02voc.pdf test code:

import PyPDF2;
PyPDF2.PdfReader("e:/02voc.pdf").pages[2].extract_text()

Originally posted by @pubpub-zz in https://github.com/py-pdf/PyPDF2/issues/1379#issuecomment-1268897035

Guida contributor

Direzione di ricerca
Studia la codifica ISO 10036 e mappa i codici dei caratteri afii in Unicode. Fai riferimento alla specifica PDF per la codifica dei caratteri.
Tech stack
python
Dominio
backend
Tipo issue
Bug
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Mezza giornata
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Nuova
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Richiede indagine
Prerequisiti
PythonPDF
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
40