pdfminer3k 读取杂志的pdf文件字体包缺失和返回text的乱码问题如何解决？

Question

1. 在github上可供下载的字体包没有warning中出现的字体样式，而且字体样式很多是组合式的（详见下图示例）

** 2. 返回的text文本中有（cid：数字）形式的“乱码”，但我提取的pdf文件为全英文，目前网上针对此问题主要是与“中文乱码”相关的**

3. 部分英语单词被空格隔开了，怎么解决“识别并删去多余空格，但是不会影响原语句单词之间的空格”这一问题

初步发现遇见“i”就会分隔，如何与“I”做区分，或者加设判断将遇见“i”的分隔还原
（2、3详见下图示例）

Answer 1

warning应该没有什么问题，不影响解析
至于空格，这个思路在于，遍历文本中所有的单词1+空格+单词2
准备一个英文单词表文件
如果单词1单词2中有任意一个在已知词汇列表中没有，并且单词1+单词2有，那么就去掉空格