第三方模块PyPdf2只能识别PDF文件的英文字符，对中文字符没有办法。这里介绍一种识别PDF非英文文字的方法：先引进第三方模块Wand把PDF文件转成图片，再引进第三方模块PyOCR或Pytesseract把图片上的文字识别出来，所以归根结底是将图片上的文字识别出来。Wand、PyOCR或Pytesseract为python可以引入的第三方模块，内核是图片处理的软件包Imagemagick和光学字符识别OCR（Optical Character Recognistion）软件包。字符识别OCR把图片上的文字自动识别出来，转换成我们能处理的字符串，这里使用Tesseract这个软件包来做OCR。

Mac上可以用homebrew安装Tesseract，参见百宝箱里的Homebrew的概述和安装；Tesseract用命令行识别图片上的文字，不依赖python环境，应该用tesseract命令识别图片上的文字确保tesseract可以正常工作（详见百宝箱里的安装和使用Tesseract）。另外还要安装第三方模块图片处理模块pillow，Pytesseract和PyOCR都需要它的支持。