龙泉驿疫情最新情况发布搜索引擎优化学习

项目中遇到pdf文件漏字，由于文件涉密，不能展示，简单描述一下：
比如原pff中 姓名：张三
读取结果中：空白：张三
即：原文件说是银行出具的打款证明，银行内部设置了文件权限，读取不了
但是，我们发现，相同文件权限的其它文件，可以正常读取，所以，可能不是文件权限问题

然后，还是从代码开始排查
读取代码：

def trans_pic(pdf_page_document, target_path):'''pdf_page_document: pdf_page_document = fitz.open('pdf文件路径')[页码]target_path: 保存的图片路径'''rotate = int(0)trans = fitz.Matrix(1, 1).preRotate(rotate)pm = pdf_page_document.getPixmap(matrix=trans, alpha=False) # 本行代码提示 warnpm.writePNG(target_path)pdf_fitz = fitz.open(ocr_pdf_file_path)
trans_pic(pdf_fitz[0], page_pic_path)

用代码读取问题文件，报warn

mupdf: zlib error: invalid distance too far back
mupdf: FT_New_Memory_Face(SOKSWQ+SimSun): SFNT font table missing

意思大概是：1：文件编码有问题 2：字体缺失
正常文件和问题文件的代码执行过程，仅此warn差别，其它无差别。
解决方向：
1：修改运行环境的字体库，代码加编码修改，但是是这个编码和字体，应该是很难改的[放弃]；
2：让客户重新生成文件，需要跟银行交涉，成本大，且也不保证能解决[放弃]；
3：从代码上解决。

然后，发现PyMuPDF版本较早，升级为最新版本，发现文件读取正常

# 注意：需要安装最新版的 PyMuPDF == 1.22.5
# !pip install PyMuPDF --upgrade
import fitz
pdf_fitz = fitz.open("./识别漏字-原文件.pdf")
rotate = int(0)
trans = fitz.Matrix(1, 1).prerotate(rotate)
pdf_page_document = pdf_fitz[0]
pm = pdf_page_document.get_pixmap(matrix=trans, alpha=False)
pm.save('./12111123.PNG')

希望遇到类似问题的同学，可以先尝试升级个版本试试