Python pdfminer pdf2html：撇号转换为特殊字符

Question

我在Python中使用pdfminer包将PDF转换为HTML，但它将撇号转换为特殊字符。例如：

‘This is a text between apostrophes’

应该是：

'This is a text between apostrophes'

有什么办法，以特殊字符转换回撇号或更改编码或东西吗？我不太熟悉字符编码。也许我可以选择转换为HTML的编码？

Answer 1

我假设报价是unicode字符'左单引号'（U + 2018）和'右单引号'（U + 2019）。编码UTF-8，他们是：

'\xe2\x80\x98This is a text between apostrophes\xe2\x80\x99' 

在此文本的字节为：

'\xc3\xa2\xe2\x82\xac\xcb\x9cThis is a text between apostrophes\xc3\xa2\xe2\x82\xac\xe2\x84\xa2' 

这是每个报价，这让我怀疑，如果字符串被多次编码8个字节。我尝试了几种组合：

>>> u'\u2018'.encode('utf-8').decode('iso-8859-1').encode('utf-8') 
'\xc3\xa2\xc2\x80\xc2\x98' 

不幸的是，我无法重现您得到的结果。