Как корректно извлечь данные из pdf в python?

Question

[sikoraaxd]

У меня есть схема вышивки в pdf файле, я могу выделять каждый символ, производить поиск по нему в этом файле.
Пример:


Я хочу через python посчитать количество каждого символа на странице и вывести в отдельный текстовый файл. Сначала я подумал что это простая задача - загрузил pdf через PyPDF2, извлек текст и посчитал через Counter.

import PyPDF2
from collections import Counter

pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfReader(pdf_file)

symbol_counter = Counter()

page = pdf_reader.pages[0]

text = page.extract_text()
symbol_counter.update(text)
pdf_file.close()

for symbol, count in symbol_counter.most_common():
    print(f'{symbol} - {count}')

Но когда я начал выводить результаты, то столкнулся с проблемой кодировки (как я понял), из-за которой вывод у меня выглядел примерно так:


Как мне решить эту задачу? Что я упускаю?
Вот пример pdf файла

Comments

[Viktor T2]

В вашем документе используется шрифт Font Awesome - иконочный шрифт,
Для начала в вашу систему надо его поставить если его нет,
тогда возможно символы отобразятся.
Возможно придется иметь дело с юникод-ом.
таблица юникод кодов Font Awesome

print('символ:', b'\\uf06e'.decode("unicode_escape"), ' юникод:', ''.encode("unicode_escape") )
символ:  юникод: b'\\uf06e'

Вместо PyPDF рекомендую Camelot https://camelot-py.readthedocs.io/en/master/user/i...

spoiler

import camelot

pdffile = 'example.pdf' 

# параметры которые можно подкрутить
camelotArgs = {
            'flavor': 'lattice', 
            'process_background': False, 
            'line_tol': 3,
            'joint_tol': 3,
            'line_scale': 100,   
            'split_text': True
        }

tables = camelot.read_pdf(pdffile, **camelotArgs)

for table in tables:
    print(table.df)

# сбросить в эксель
tables[0].df.to_excel('1111.xlsx')

# символ, unicode
print(tables[0].df.iloc[0][0], ' ', tables[0].df.iloc[0][0].encode("unicode_escape"))

результат в эксель

[theurus]

При выводе в консоль нельзя указать какой шрифт использовать. Можно после сохранения в текстовый файл открыть его каким-нибудь мс-вордом и поменять шрифт.

[sikoraaxd]

Viktor T2, Премного благодарен!