Python文本提取在某些PDF上不起作用

我试图通过url阅读pdf文件。我遵循了许多stackoverflow建议，并使用PyPdf2文件阅读器从pdf中提取文本。 我的代码如下所示：

url = "http://kat.kar.nic.in:8080/uploadedFiles/C_13052015_ch1_l1.pdf"
#url = "http://kat.kar.nic.in:8080/uploadedFiles/C_06052015_ch1_l1.pdf"
f = urlopen(Request(url)).read()
fileInput = StringIO(f)
pdf = PyPDF2.PdfFileReader(fileInput)

print pdf.getNumPages()
print pdf.getDocumentInfo()
print pdf.getPage(1).extractText()

我能够成功地提取第一个链接的文本。但是如果我对第二个pdf使用相同的程序。我没有收到任何文本。页码和文档信息似乎显示出来了

我尝试通过终端从Pdfminer中提取文本，并且能够从第二个pdf中提取文本

---

你知道pdf有什么问题吗？或者我使用的库有什么缺点吗？

如果你阅读了pyPDF文档中的注释，你会发现它就写在那里，这个功能对某些pdf文件不起作用；换句话说，您看到的是对库的限制

看看这两个PDF文件，我看不出文件本身有什么问题。但是

第一个文件包含完全嵌入的字体 第二个文件包含子集字体

---

这意味着第二个文件更难从中提取文本，而库可能不支持这一点。仅供参考，我使用callas pdfToolbox进行了文本提取（注意，我与此工具有关联），该工具使用Acrobat文本提取，并且两个文件的文本都被正确提取（确认问题不是PDF文件）。

是的，这是有意义的。因此，PyPdf2完成了一半的工作，并且它无法读取字体。PyPdf2还与我的一些PDF进行了斗争。有时候“pdfminer”效果更好。。。