Как выделить кусок текста с помощью PyMupdf ⇐ Python

[Anonymous]

У меня есть PDF-файл. Я читаю его через пакет PyMuPDF.
Я читаю текст и разбиваю его на куски. Итак, для приведенного ниже текстового снимка экрана на одной из страниц исходного PDF-файла я получаю текст, прочитанный следующим образом:


Текст, который у меня есть на Python:

Код: Выделить всё

text_variable = cancer. Your team should include the following \nboard-certified experts:\n \n� A pulmonologist is a doctor who’s an \nexpert of lung diseases.\n \n� A thoracic radiologist is a doctor who’s \nan expert of imaging of the chest

Как видите, у него проблемы с чтением символов Юникода.
Теперь мне нужно найти приведенный выше текст на странице PDF, а затем выделить эти строки с помощью аннотации в PyMUPDF. Я попробовал ниже:

Код: Выделить всё

doc = fitz.open("/Users/abc.pdf") # open a document

page = doc.load_page(13)

#print(page.get_text())

text_variable = "cancer. Your team should include the following \nboard-certified experts:\n \n� A pulmonologist is a doctor who’s an \nexpert of lung diseases.\n \n� A thoracic radiologist is a doctor who’s \nan expert of imaging of the chest"

quads = page.search_for(text_variable, quads=True)

#Add a highlight annotation for each rectangle
page.add_highlight_annot(quads)

Как и следовало ожидать, он не сможет найти соответствующий текст на странице PDF, поскольку он не совсем совпадает из-за проблем с Unicode и escape-последовательностью.
Как мне заставить это работать?>

Подробнее здесь: https://stackoverflow.com/questions/765 ... ng-pymupdf