PyPDF4未读取某些字符

Question

我正在为一个项目编译一些数据，我一直在使用PyPDF4从它的源PDF文件中读取这些数据，但我遇到了某些字符显示不正确的问题。这是我的密码：

from PyPDF4 import PdfFileReader
import pandas as pd
import numpy as np
import os
import xml.etree.cElementTree as ET

# File name
pdf_path = "PV-9-2020-10-23-RCV_FR.pdf"

# Results storage
results = {}

# Start page
page = 5

# Lambda to assign votes
serify = lambda voters, vote: pd.Series({voter.strip(): vote for voter in voters})

with open(pdf_path, 'rb') as f:
    # Get PDF reader for PDF file f
    pdf = PdfFileReader(f)

    while page < pdf.numPages:
        # Get text of page in PDF
        text = pdf.getPage(page).extractText()

        proposal = text.split("\n+\n")[0].split("\n")[3]

        # Collect all pages relevant pages
        while text.find("\n0\n") is -1:
            page += 1
            text += "\n".join(pdf.getPage(page).extractText().split("\n")[3:])
        # Remove corrections
        text, corrections = text.split("CORRECCIONES")
        
        # Grab relevant text !!! This is where the missing characters show up.
        text = "\n, ".join([n[:n.rindex("\n")] for n in text.split("\n:")])
        for_list = "".join(text[text.index("\n+\n")+3:text.index("\n-\n")].split("\n")[:-1]).split(", ")
        nay_list = "".join(text[text.index("\n-\n")+3:text.index("\n0\n")].split("\n")[:-1]).split(", ")
        abs_list = "".join(text[text.index("\n0\n")+3:].split("\n")[:-1]).split(", ")
        # Store data in results
        results.update({proposal: dict(pd.concat([serify(for_list, 1), serify(nay_list, -1), serify(abs_list, 0)]).items())})
        page += 1
        print(page)
results = pd.DataFrame(results)

我遇到困难的字符不会出现在使用extractText提取的文本中Ždanoka例如变成"danoka，Štefanec变成-tefanc。看起来大部分的角色都是东欧人，这让我觉得我需要一个拉丁语解码器

我已经浏览了PyPDF4的一些功能，它似乎有很多相关的编解码器，包括latin1。我尝试使用PyPDF4.generic.codecs模块中的不同函数对文件进行解码，要么字符不显示，要么代码在无法识别的字节处抛出错误

我还没有尝试在同一个文件的不同字节上使用多个编解码器，这似乎需要一些时间。我的代码中是否缺少可以轻松修复此问题的内容？或者我是否更可能将使用PyPDF4的函数来定制适合的解决方案