Python 从PDF中提取文本时出现异常字体

我一直在尝试从PDF文件中提取文本，大多数文件似乎都工作正常。但是，有一个特定文档的文本采用这种不寻常的字体：ｉｎ ｓｏｌｉｄ

---

我尝试过使用PHP和Python进行提取，但都无法修复这种字体。我尝试复制文本，并尝试查看是否可以在文本编辑工具中修复它，但做不了太多。请注意，原始PDF文档看起来不错，但当文本被复制并粘贴到文本编辑工具中时，字符之间的间距开始出现。我完全不知道该怎么办。请建议一种解决方案，用PHP/Python（最好是PHP）解决这个问题。

在unicode之前，一些字符编码允许您将日语/韩语/汉语字符组合为两个半宽字符或一个全宽字符。在这种情况下，拉丁字符可以是全宽的，以便和其他字符均匀混合。你的手上有全宽的拉丁字符，这就是为什么空格很奇怪

您可以使用NFKD兼容性分解来转换字符串，以获得常规拉丁语。这也会改变任何半/全宽的日文/韩文/中文字符，嗯。。。我不确定，但我认为是由多代码点字符构建的字符

>>> import unicodedata
>>> t="ｉｎ ｓｏｌｉｄ"
>>> unicodedata.normalize("NFKC", t)
'in solid'

---

与其说它是一种不同寻常的字体，不如说它是一种不同寻常的unicode块，称为Fullwidth Latin。维基百科的一般信息，网址为。您可以使用

unicodedata

模块获取更多信息。例如，

unicodedata.name（“ｉ")谢谢，这对我很有效！接受了你的答案，事实上这是由于全半角字符。