在python中读取pdf文件时，编解码器出现unicode错误
我正在尝试阅读包含以下内容的pdf文件：
%PDF-1.4\n%âãÏÓ
如果我打开它，它可以工作，但是如果我尝试使用编解码器.open（文件名，编码=“utf8”，mode=“rb”）来获取unicode字符串，我得到了以下异常：
UnicodeDecodeError: 'utf8' codec can't decode byte 0xe2 in position 10: invalid continuation byte
您知道从此文件的内容中获取 unicode 字符串的方法吗？
PS：我使用的是蟒蛇 2.7
共有2个答案
尝试将任意二进制数据解释为文本的问题是，0xe2是拉丁语-1，而不是UTF-8。您使用了错误的编解码器。
PDF是由二进制数据而不是文本组成的。它们不能有意义地表示为Unicode字符串。
值得一提的是，您可以通过将PDF视为ISO8859-1文本来获得包含这些特定字符的Unicode字符串：
f = codecs.open(filename, encoding="ISO8859-1", mode="rb")
但在这一点上，您最好只使用普通的open并读取字节。Unicode用于文本，而不是数据。
-
问题内容： 我尝试在我的python脚本中使用matplotlib，但在终端中遇到此错误： 这是我的python代码，我只是写了 我需要做什么？ 问题答案： 问题是您当前的工作目录中有一个非ASCII字符。 实际上，这根本不应该是一个问题，但这是由于其他因素的组合： 想要在当前工作目录中查找覆盖默认目录的本地文件。 Python认为您使用的是C语言环境，而不是Ubuntu 14应该默认使用的漂亮的
-
我试图读取CSV文件，但它抛出了一个错误。我无法理解我的语法有什么问题，或者我是否需要向我的read_csv添加更多属性。 我试了一下这个解决办法 UnicodeDecodeError:“utf-8”编解码器无法解码位置21中的字节0x96：起始字节也无效。但它不起作用 [错误] UnicodeDecodeError回溯（最近一次调用）pandas/_libs/解析器。大熊猫中的pyx_图书馆。解
-
我目前正在学习Python，遇到了以下错误: 这是我的代码： 为什么会出现这种情况？
-
我正在尝试使用以下代码在Spyder中读取带有tabla py的PDF文件： 但是，当我运行此命令时，会出现以下错误： CalledProcessError:命令“['java'，'-Dfile.encoding=UTF8'，'-jar'，'tabla-jar路径'，'-pages'，'1'，'-guess'，PDF文件路径']'返回非零退出状态1。 通过升级到Java8，类似的问题也得到了解决，
-
问题内容： 我正在运行一个程序，正在处理30,000个类似文件。他们中有随机数正在停止并产生此错误… 这些文件的源/创建都来自同一位置。纠正此错误以继续导入的最佳方法是什么？ 问题答案： 可以选择处理不同格式的文件。我主要使用，或者替代地阅读，并且通常用于。 您还可以使用而不是的多个选项（请参阅python docs，也可能会遇到许多其他编码）。 请参阅相关的文档， 有关文件的文档示例以及有关SO
-
问题内容： 这个问题已经在这里有了答案 ： Python中的Windows路径 （5个答案） 4年前关闭。 追溯（最近一次通话）： 产品中的文件“”，第1行= pd.read_csv（’C：\ amazon_baby.csv’） 在parser_f中的第562行的文件“ C：\ Users \ kvsn \ Anaconda3 \ lib \ site-packages \ pandas \ io