Extract text with embedded fonts

[maivan-hoa]

I have a pdf file. When extracting text, the resulting text has font errors and the text cannot be obtained as displayed. It seems that the text in the pdf file is displayed with embedded fonts. Is there any way I can extract text from such pdf files effectively?

• Here is the code that I use:

import fitz

def extract_text_from_pdf(pdf_path):
    text = ""

    with fitz.open(pdf_path) as pdf_document:
        for page_num in range(pdf_document.page_count):
            page = pdf_document[page_num]
            text += page.get_text()
    
    return text

pdf_path = "Page_test.pdf"
text = extract_text_from_pdf(pdf_path)
print(text)

• This is the pdf file from which I want to extract data:
  Page_test.pdf

• Text in file:
  

• Extracted text:

VI 
v¨n kiÖn ®¶ng toµn tËp  
 
 
 
Lêi giíi thiÖu tËp 2 
 V¨n kiÖn §¶ng Toµn tËp, TËp 2 n¨m 1930, ph¶n ¸nh ùa 
ra ®êi vµ ho¹t ®éng cña §¶ng trong phong trµo c¸c m¹ng ®Çu 
tiªn cña lÞch sö ViÖt Nam hiÖn ®¹i. 
C¸c v¨n kiÖn ë tËp nµy gåm ba chñ ®Ò lín: 
Mét lµ, vÒ sù ra ®êi cña §¶ng Céng s¶n ViÖt Nam, bao 
gåm tªn gäi, c−¬ng lÜnh, ®−êng lèi chiÕn l−îc, s¸ch l−îc vµ 
§iÒu lÖ cña §¶ng. 
Hai lµ, vÒ tæ chøc vµ ph−¬ng h−íng ho¹t ®éng cña c¸c 
®oµn thÓ chÝnh trÞ vµ MÆt trËn d©n téc thèng nhÊt do §¶ng 
ta l·nh ®¹o. 
Ba lµ, vÒ sù l·nh ®¹o vµ chØ ®¹o cña §¶ng ®èi víi cao 
trµo c«ng - n«ng chèng ®Õ quèc, phong kiÕn, t− s¶n ®ang diÔn 
ra réng kh¾p toµn quèc, nhÊt lµ ë NghÖ An vµ Hµ TÜnh. 
Trong tËp V¨n kiÖn nµy cßn cã mét sè tµi liÖu ph¶n ¸nh 
sù l·nh ®¹o cña ®ång chÝ NguyÔn ¸i Quèc ®èi víi §¶ng Céng 
s¶n ViÖt Nam vµ phong trµo c¸ch m¹ng ViÖt Nam, vÒ sù ñng 
hé cña §¶ng Céng s¶n ViÖt Nam ®èi víi Liªn X« - nhµ n−íc 
c«ng n«ng ®Çu tiªn trªn thÕ giíi. 
V¨n kiÖn §¶ng Toµn tËp, TËp 2 gi÷ mét vÞ trÝ quan träng 
®Æc biÖt ë chç nã ®¸nh dÊu mét giai ®o¹n míi, cã tÝnh chÊt 
b−íc ngoÆt c¨n b¶n cña c¸ch m¹ng v« s¶n thÕ giíi, ®ång thêi 
ph¶n ¸nh tinh thÇn ®éc lËp, tù chñ, c¸ch m¹ng vµ s¸ng t¹o 
cña §¶ng ta trong viÖc x¸c ®Þnh c−¬ng lÜnh, ®−êng lèi, chÝnh 
s¸ch vµ tæ chøc s¾p xÕp lùc l−îng c¸ch m¹ng ë ViÖt Nam 
ngay tõ khi §¶ng míi thµnh lËp. 
TËp V¨n kiÖn nµy cã nhiÒu ch÷ viÕt t¾t, nhiÒu b¶n mê 
g©y rÊt nhiÒu khã kh¨n trong qu¸ tr×nh ®èi chiÕu x¸c minh. 
Chóng t«i ®· cè g¾ng b¶o ®¶m ®é chÝnh x¸c cña v¨n b¶n, 
song khã cã thÓ tr¸nh khái nh÷ng thiÕu sãt, mong nhËn ®−îc 
sù gãp ý phª b×nh cña b¹n ®äc. 
 
Th¸ng 12 n¨m 1998 
Nhµ xuÊt b¶n chÝnh trÞ quèc gia 
V