Les lettres disparaissent

Avec tabula, pdfbox et poppler, les personnages "Koshihan Kuma-bouilli Shin-no-zuru" disparaissent.
Aucun résultat même si vous recherchez "Kumako Ramen Higashi Asahikawa" à Dohoku.
camelot et pdfplumber utilisant pdfminer sont exportés sous la forme de "(cid: 1279)", vous pouvez donc vérifier l'affichage du PDF et le remplacer.
Le logiciel de création est "cubepdf", la police est Yu Gothic

programme

import camelot

import requests
from bs4 import BeautifulSoup

from urllib.parse import urljoin

import pandas as pd

url = "https://gotoeat-hokkaido.jp/general/particStores/"

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko"
}

r = requests.get(url, headers=headers)
r.raise_for_status()

soup = BeautifulSoup(r.content, "html.parser")

dfs = []

for li in soup.select("ul.cf > li > a"):

    link = urljoin(url, li.get("href"))

    area = li.get_text(strip=True)

    tables = camelot.read_pdf(link, split_text=True, pages="all", strip_text="\n", )

    for table in tables:

        df_tmp = pd.DataFrame(table.data[1:], columns=table.data[0])
        df_tmp.columns = df_tmp.columns.map(lambda s: "".join(s.split()))
        df_tmp["surface"] = area

        dfs.append(df_tmp)

df

df = pd.concat(dfs)

df = df.fillna("").applymap(
    lambda s: s.replace("(cid:1279)", "Yue")
    .replace("(cid:1535)", "Han")
    .replace("(cid:1791)", "ours")
    .replace("(cid:2303)", "Bouilli")
    .replace("(cid:2559)", "Nouveau")
    .replace("(cid:2815)", "Bruyant")
    .replace("(cid:3071)", "grue")
)

#Gestionnaire CJK/A remplacé Kang Hee
tbl = str.maketrans(
    "- - - L'eau _ ⿌ ⿍ ⿎ ⿏ ⿐ ⿑ ⿒ ⿓ ⿔ ⿕ 戶 黑",
    "乚 亻 刂 㔾 兀 尣 尢 巳 幺 彑 忄 扌 攵 旡 Mère 氵 氺 灬 丬 犭 罒 礻 罓 罒 耂 艹 衤 衤 轀 耂 艹 衤 衤 亅 躠 儿 儿 儿 儿 儿 儿 儿 夊 凵 冖 冫 几 凵 puissance de l'épée 勹 匕 匚 匸 10 卜 卩 厂 厶 厶 囗 囗 夂 夊 夊 夊 夊 Yumiko Pierres d'épéiste, épées, trous, riz en bambou, boîtes de fil, épées, épées, oreilles, épées, épées, épées, épées, épées, épées, épées, épées 辵 酉 釆 臆 辆 辆 隶 隹 隹 靹 韶 韭 蟭 蟭 蟭 蟭 蟭 蟭 觥 鬥 鬯 鬲 oiseau poisson démon 鹵 麥 黃 黍 黍 黹 黽 Utsudo Noir",
)

df = df.applymap(lambda s: s.translate(tbl))

df.reset_index(drop=True, inplace=True)

df.index += 1

df.to_csv("gotoeat_hokkaido.csv", encoding="utf_8_sig")

[PYTHON] Convertir le PDF de la liste des concessionnaires de la campagne Go To Eat Hokkaido en CSV

Les lettres disparaissent

programme