所有文字丢失：Ignore Line xx due to overlap.

[linjuchen]

如图，信息全部丢失。

[dothinking]

初步判断是上游库 pymupdf 升级导致的，请适当降低 pymupdf 的版本试试，例如，

pip install pymupdf==1.23.8

后续我会从 pdf2docx 的角度，检查和修复 pymupdf 升级带来的不兼容问题。

[itachi114514]

在运行时分别出现

......lib\site-packages\pdf2docx\font\Fonts.py", line 72, in extract
basename = bytes(ord(c) for c in basename).decode()
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcb in position 7: invalid continuation byte

和

......\lib\site-packages\pdf2docx\text\TextSpan.py", line 59, in init
self.font = bytes(ord(c) for c in font_name).decode() # in case unicode in font name
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcb in position 0: invalid continuation byte

在用try忽略错误后出现了如该issue所述相同的问题。
除此之外还产生了如下问题：

[ERROR] Ignore page 44 due to parsing page error: 'TextSpan' object has no attribute 'line_height'

[dothinking]

@itachi114514 是否方便提供测试文件？谢谢。

pymupdf的版本？

[Chanwb]

初步判断是上游库 pymupdf 升级导致的，请适当降低 pymupdf 的版本试试，例如，

pip install pymupdf==1.23.8

后续我会从 pdf2docx 的角度，检查和修复 pymupdf 升级带来的不兼容问题。

大佬怎么发现的 强

[itachi114514]

pymupdf的版本本来是最新版，后来依照issue中改成了1.23.8。附件是截取的测试文件。

…

________________________________ From: dothinking ***@***.***> Sent: Monday, January 15, 2024 00:23 To: ArtifexSoftware/pdf2docx ***@***.***> Cc: itachi114514 ***@***.***>; Mention ***@***.***> Subject: Re: [ArtifexSoftware/pdf2docx] 所有文字丢失：Ignore Line xx due to overlap. (Issue #250) @itachi114514<https://github.com/itachi114514> 是否方便提供测试文件？谢谢。 pymupdf的版本？ ― Reply to this email directly, view it on GitHub<#250 (comment)>, or unsubscribe<https://github.com/notifications/unsubscribe-auth/A2FZH4AAKNVWYSIEUOIBUEDYORZGXAVCNFSM6AAAAABBZGF5RCVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQOJRGEZDSMJUHA>. You are receiving this because you were mentioned.Message ID: ***@***.***>

[dothinking]

@Chanwb 不敢当，我最近提交的更新通过了本地测试但是没通过在线测试，一看日志唯一区别是 pymupdf 的版本

还在抽空排查问题中... 🤣

[dothinking]

@itachi114514 感谢回复，不过貌似没看到附件。

如果不便公开，可以只提取才有问题的几页发我邮箱。我承诺不会用于debug之外的任何用途。

[dothinking]

v0.5.8 is released. All these issues should be fixed.