Почему вместо укр. символов выводятся другие?

Question

[jerwright]

Мне нужно достать из pdf файла весь текст (на украинском языке), однако взамен я получаю совсем другой вывод.

import PyPDF2 as pdf
r = pdf.PdfFileReader('document.pdf')
pages_num = r.getNumPages()
page = r.getPage(7).extractText()
with open('test.txt', 'w', encoding='utf-8') as fg:
    fg.write('{0}'.format(page))

Вывод результата

2Çãàäàºìî ïî³ìåííîÀÂÀÍΠÌèêîëà Ãàâðèëîâè÷, 1874 ð., ì. Ìà-
õà÷êàëà Êðàñíîäàðñüêîãî êðàþ, â³ðìåíèí, êó-ïåöü, ïîçàïàðò³éíèé, îñâ³òà ñåðåäíÿ, ïåíñ³îíåð.
20.08.1941 ð. çà ïðîâåäåííÿ ê/ðåâ. àã³òàö³¿ ïîç-
áàâëåíèé âîë³ ó ÂÒÒ íà 10 ð. Ðåàá³ë³òîâàíèé
24.11.1992 ð.
ÀÂÃÓÑÒÅÍßÊ Ìå÷èñëàâ Éîñèïîâè÷,24.11.1900 ð., ì. Äí³ïðîäçåðæèíñüê Äí³ïðîïåò-
ðîâñüêî¿ îáë., ïîëÿê, ðîá³òíèê, ïîçàïàðò³éíèé, îñ-â³òà ñåðåäíÿ, ìàøèí³ñò ã³äðîíàñîñ³â ÄÄÇ.

16.11.1937 ð. çâèíóâà÷åíèé â ó÷àñò³ ó ê/ðåâ. îðãàí³-
çàö³¿. 21.11.1937 ð. ðîçñòð³ëÿíèé. Ðåàá³ë³òîâàíèé
23.08.1989 ð.ÀÂÃÓÑÒÎÂÈ× Ãðèãîð³é ²âàíîâè÷, 10.01.1889 ð.,
ñ. Íîâèé Äâ³ð Ñîêàëüñüêîãî ïîâ., Ïîëüùà, ïîëÿê,
ñåëÿíèí, ïîçàïàðò³éíèé, îñâ³òà ïî÷àòêîâà, îïðîá³ðÿêîñò³ øàõòè ³ì. Âîðîøèëîâà ðóäíèêà ³ì. Äçåð-
æèíñüêîãî. 16.11.1937 ð. çâèíóâà÷åíèé ó íàëåæíîñò³
äî àãåíòóðè
ïîëüñüêî¿ ðîçâ³äêè, ðîçñòð³ëÿíèé25.11.1937 ð. Ðåàá³ë³òîâàíèé 24.03.1961 ð.
ÀÂÃÓÑÒÎÂÑÜÊÈÉ Ëåîíàðä Êàçèìèðîâè÷,12.03.1899 ð., ì. Äí³ïðîïåòðîâñüê, ïîëÿê, ñëóæáî-
âåöü, ïîçàïàðò³éíèé, îñâ³òà ïî÷àòêîâà, àãåíò ç ïî-ñòà÷àííÿ Äí³ïðîïåòðîâñüêîãî ç-äó ³ì. Ê. ˳áêíåõ-
òà. 10.05.1938 ð. çâèíóâà÷åíèé ó íàëåæíîñò³ äî
ê/ðåâ. îðãàí³çàö³¿ ³ ðîçñòð³ëÿíèé.
Ðåàá³ë³òîâàíèé28.07.1958 ð.ÀÂĪªÂ Áîðèñ Çàõàðîâè÷, 1900 ð., ³ëüíþñü-
êà ãóá., Ëèòâà, á³ëîðóñ, ñåëÿíèí, ïîçàïàðò³éíèé, îñ-â³òà ïî÷àòêîâà, åëåêòðèê Äí³ïðîïåòðîâñüêîãî ç-äó«Ñâ³òëîôîð». 22.02.1938 ð. çâèíóâà÷åíèé ó âèñëîâ-

ëþâàííÿõ, ùî äèñêðåäèòóþòü ïîë³òèêó ðàäÿíñüêîãîóðÿäó, ïîçáàâëåíèé âîë³ ó ÂÒÒ íà 10 ð. Ðåàá³ë³òîâà-
íèé 17.09.1960 ð.
ÀÂĪªÂ Äìèòðî Çàõàðîâè÷, 1898ð, ñ. Ðîëè÷³
Ñâåíöÿíñüêîãî ïîâ. ³ëåíñüêî¿ ãóá., á³ëîðóñ, ñå-
ëÿíèí, ïîçàïàðò³éíèé, îñâ³òà ïî÷àòêîâà, òåñëÿðìåõàí³÷íîãî öåõó ç-äó ³ì. Ê. ˳áêíåõòà, ì. Äí³ïðî-
ïåòðîâñüê. 08.12.1937 ð. çâèíóâà÷åíèé ó øïè-

ãóíñòâ³ íà êîðèñòü Ïîëüù³, 15.12.1937 ð. ðîçñòð³-
ëÿíèé. Ðåàá³ë³òîâàíèé 21.06.1989 ð.
ÀÂĪªÂ Ìîéñåé Ìîéñåéîâè÷, 1900 ð., ñ. Ùå-
ãîëîâå Íîâîäóãèíñüêîãî ð-íó Ñìîëåíñüêî¿ îáë.,
ðîñ³ÿíèí, ç ñåëÿí, îñâ³òà ïî÷àòêîâà, ³íæåíåð³íñòèòóòó «Êðèâáàñïðîåêò». 31.03.1938 ð. çâèíó-
âà÷åíèé ÿê àêòèâíèé ó÷àñíèê ïðàâîòðîöüê³ñòñü-
êî¿ îðãàí³çàö³¿, ðîçñòð³ëÿíèé 31.03.1938 ð. Ðåàá³-
ë³òîâàíèé 18.04.1956 ð.
ÀÂĪªÂ Îëåêñàíäð ²âàíîâè÷,
23.11.1893 ð.,
ì. Áåíäåðè, Áåññàðàá³ÿ, ðîñ³ÿíèí, ðîá³òíèê, ÷ë.

ÂÊÏ(á) ç 1928 äî 1936 ðð., ìàëîïèñüìåííèé, ñëþ-ñàð ç-äó ³ì. Êîì³íòåðíó. 06.12.1937
ð. çâèíóâà÷å-
íèé â ó÷àñò³ ó ê/ðåâ. îðãàí³çàö³¿, 14.12.1937 ð. ðîç-

ñòð³ëÿíèé. Ðåàá³ë³òîâàíèé 13.10.1989 ð.
ÀÂĪªÂ Ïåòðî Áîðèñîâè÷, 16.09.1903 ð.,
ì. ̳íñüê, Á³ëîðóñ³ÿ, ðîñ³ÿíèí, ñëóæáîâåöü, ÷ë.
ÂÊÏ(á) äî 1937 ð., îñâ³òà ñåðåäíÿ, â³éñüêîâîñëó-

æáîâåöü, ïîì³÷íèê êîìàíäèðà äèâ³ç³îíó.
31.03.1940 ð. çâèíóâà÷åíèé ó øïèãóíñòâ³ ³ óâ™ÿçíå-
íèé íà 3 ð. ó ÂÒÒ. Ðåàá³ë³òîâàíèé 16.05.1958 ð.
ÀÂĪªÍÊÎ Ìèõàéëî Êîñòÿíòèíîâè÷, 1908 ð.,
ñ. Ìèðîí³âêà Âåðõíüîäí³ïðîâñüêîãî ð-íó Äí³ïðî-
ïåòðîâñüêî¿ îáë., óêðà¿íåöü, ñåëÿíèí, ïîçàïàðò³é-íèé, ìàëîïèñüìåííèé, êóð™ºð óïðàâë³ííÿ Ñòàë³í-

ñüêî¿ çàë³çíèö³. 04.11.1929 ð. ÿê ñåêòàíò ³ ñîö³àëü-
íî íåáåçïå÷íèé åëåìåíò óâ™ÿçíåíèé ó ÂÒÒ íà 3 ð.
Ðåàá³ë³òîâàíèé 13.07.1995 ð.
ÀÂĪªÍÊÎ Ìèõàéëî Êîñòÿíòèíîâè÷, 1908 ð.,
ñ. Øèðîêå Äí³ïðîïåòðîâñüêî¿ îáë., óêðà¿íåöü,
ñåëÿíèí, ïîçàïàðò³éíèé, îñâ³òà ïî÷àòêîâà, áåç-
ðîá³òí³é. 14.01.1935 ð. çà ó÷àñòü â ñåêò³ áàïòèñò³â
ïîçáàâëåíèé âîë³ ó ÂÒÒ íà 5 ð. Ðåàá³ë³òîâàíèé
28.12.1988 ð.ÀÂIJªÍÊÎ Ñåìåí ²ãíàòîâè÷,
1889 ð., ñ. Íîâî-
ïàâë³âêà Äí³ïðîïåòðîâñüêî¿ îáë., óêðà¿íåöü, ñå-ëÿíèí, ïîçàïàðò³éíèé, îñâ³òà ïî÷àòêîâà, ÷åðâîíî-àð쳺öü 26 çàïàñíîãî ëèæíîãî ïîëêó. 14.01.1943 ð.

çâèíóâà÷åíèé â ê/ðåâ. àã³òàö³¿, ïîçáàâëåíèé âîë³ óÂÒÒ íà 10 ð. Ðåàá³ë³òîâàíèé 30.07.1993 ð.
ÀÂÄÎÍ²Í ßê³â Àðòåìîâè÷, 28.12.1889 ð.,
ñ. Àðäåë³âêà ʳðîâîãðàäñüêî¿ îáë. Õåðñîíñüêî¿ ãóá.,

óêðà¿íåöü, ñëóæáîâåöü, ïîçàïàðò³éíèé, îñâ³òà ïî-÷àòêîâà, ðîá³òíèê ïðîêàòíîãî öåõó ç-äó ³ì. Ïåòðîâñü-êîãî. 25.04.1938 ð. çâèíóâà÷åíèé ó íàëåæíîñò³ äî

ê/ðåâ. ïîâñòàíñüêî¿ îðãàí³çàö³¿ ³ çàñóäæåíèé äî ðîç-ñòð³ëó. Ðåàá³ë³òîâàíèé 06.02.1957 ð.
ÀÂÅÐÊÎÂ Ïåòðî Àíò
îíîâè÷, 1911 ð., ñ. Äìèò-
ð³âêà ͳêîïîëüñüêîãî ð-íó Äí³ïðîïåòðîâñüêî¿ îáë.,
ðîñ³ÿíèí, ñåëÿíèí, ïîçàïàðò³éíèé, ìàëîïèñüìåí-íèé. 26.07.1932 ð. çâèíóâà÷åíèé â ó÷àñò³ ó ê/ðåâ.
îðãàí³çàö³¿, ïîçáàâëåíèé âîë³ íà 3 ð. Ðåàá³ë³òîâà-

íèé 04.10.1984 ð.
ÀÂÅÐÊΠÏåòðî ²âàíîâè÷, 1877 ð., ñ. Äìèò-
ð³âêà ͳêîïîëüñüêîãî ð-íó Äí³ïðîïåòðîâñüêî¿îáë., ðîñ³ÿíèí, ñåëÿíèí, ïîçàïàðò³éíèé, ìàëîïè-
ñüìåííèé, âàíòàæíèê äåðæïàðîïëàâñòâà, ì. ͳ-êîïîëü. 17.09.1937 ð. çâèíóâà÷åíèé â ê/ðåâ. àã³-
òàö³¿, çàñóäæåíèé äî ðîçñòð³ëó, âèðîê âèêîíàíî.

Ðåàá³ë³òîâàíèé 30.01.1957 ð.
ÀÂÅÐÊÎÂ Ñòåïàí Àíòîíîâè÷, 1900 ð.,
ñ. Äìèòð³âêà ͳêîïîëüñüêîãî ð-íó Äí³ïðîïåò-
ðîâñüêî¿ îáë., óêðà¿íåöü, ñåëÿíèí, ïîçàïàðò³éíèé,îñâ³òà ïî÷àòêîâà, áóõãàëòåð, ïëàíîâèê õë³áîçàâî-
äó. 26.07.1932 ð. çâèíóâà÷åíèé â ó÷àñò³ ó ê/ðåâ.
îðãàí³çàö³¿, ïîçáàâëåíèé âîë³ íà 3 ð óìîâíî. Ðåà-
á³ë³òîâàíèé 04.10.1989 ð.
ÀÂÅÐÊÎÂÀ Ì
àð³ÿ ²çðà¿ë³âíà, 1910 ð., ñò. Ôóí-
äóê볿âêà Êè¿âñüêî¿ îáë., ºâðåéêà, ñëóæáîâåöü, ïî-
çàïàðò³éíà, îñâ³òà ñåðåäíÿ, äîìîãîñïîäàðêà.08.07.1938 ð. ÿê äðóæèíó ðåïðåñîâàíîãî (ðîçñòð³-

ëÿíèé) çàñóäæåíî íà 2ð. ãëàñíîãî íàãëÿäó çà
ì³ñöåì ïðîæèâàííÿ. Ðåàá³ë³òîâàíà 02.07.1957 ð.
ÀÂÅЙßÍ Ñåðàôèì Âàñèëüîâè÷, 1905 ð., Ðî-
ñ³ÿ, ðîñ³ÿíèí, ñåëÿíèí, ïîçàïàðò³éíèé, ìàëîïèñü-
ìåííèé, ðåìîíòíèé ðîá³òíèê 10 äèñòàíö³¿ êî볿.13.12.1938 ð. çâèíóâà÷åíèé â òåðîðèñòè÷íèõ íà-
ì³ðàõ òà à/ðàä. àã³òàö³¿, ïîçáàâëåíèé âîë³ ó ÂÒÒ

íà 10 ð. ç îáìåæåííÿì ïðàâ íà 3 ð. Ðåàá³ë³òîâà-
íèé 12.07.1991 ð.
ÀÂÅÐÁÓÕ Ìàðê Ìîéñåéîâè÷, 1904 ð., ì. Îäå-
ñà, ºâðåé, ³ç ðîá³òíèê³â, îñâ³òà í/ñåðåäíÿ, íà÷àëü-
íèê â³ää³ëó ïðîäïðîìòîâàð³â Äí³ïðîïåòðîâñüêîãîîáëâíóòòîðãó. 24.10.1938 ð. çâèíóâà÷åíèé â ó÷àñò³
â à/ðàä. òåðîðèñòè÷í³é îðãàí³çàö³¿, ðîçñòð³ëÿíèé
24.10.1938 ð. Ðåàá³ë³òîâàíèé 30.11.1957 ð.
ÀÂÅÒͲÊÎÂÀ Âàðâàðà Ïåòð³âíà, 1904 ð.,
ì. Õàðê³â, ðîñ³ÿíêà, ðîá³òíèöÿ, ïîçàïàðò³éíà, ìà-
ëîïèñüìåííà, íà óòðèìàíí³ ÷îëîâ³êà. 16.12.1937 ð.

óâ™ÿçíåíà ó ÂÒÒ íà 8 ð. ÿê äðóæèíà ðåïðåñîâàíîãî
ÍÊÂÑ. Ðåàá³ë³òîâàíà 26.02.1958 ð.
ÀÂÊÑÅÍÒܪ Ïëàòîí Ïåòðîâè÷, 1894 ð., ñ. Âàð-
âàð³âêà Äîëèíñüêîãî ð-íó ʳðîâîãðàäñüêî¿ îáë.,

óêðà¿íåöü, ñåëÿíèí, ïîçàïàðò³éíèé, îñâ³òà ïî÷àò-êîâà, òåñëÿð âàãîíîðåìîíòíîãî ïóíêòó ñò. Ìóäðÿ-

Comments

[Александр]

Дайте ссылку на документ.

[DevMan]

Александр, а зачем вам ссылка? на лицо же проблема с кодировкой.

[jerwright]

DevMan, знаете, как исправить?

[DevMan]

jerwright, уже даже в ответе написал.

[Александр]

Поищите другую библиотеку, так как в плане извлечения текста проект сырой.

[Александр]

А так если кратко о том почему получаются крякозябры, документ закодирован в другой кодировке а прочитан может быть только в utf-8.

[Александр]

DevMan, Ну да вы правы.

Answer 1

[DevMan]

потому что кодировка неверная.

https://2cyr.com/decode/ вам в помощь и умение обращаться с питоном.

Comments

[Александр]

А в PyPDF2 нельзя задать кодировку? я в исходнике посмотрел вроде как нет.

[DevMan]

Александр, без понятия.
и даже если нельзя там, всегда можно перекодировать на стороне.

[Александр]

DevMan, Приведите пример, или ответ на вопрос.

[Александр]

На словах все мастера.

[DevMan]

Александр, может еще в пупок поцеловать?