zl程序教程

您现在的位置是:首页 >  后端

当前栏目

解决python中的UnicodeEncodeError: ‘gbk‘ codec can‘t encode character ‘\u26ab‘问题

Python 问题 解决 can character GBK Encode codec
2023-06-13 09:15:11 时间

将从PDF文件中读取的内容,写入txt文件中,遇到如下问题:

控制台报错UnicodeEncodeError: 'gbk' codec can't encode character '\u26ab' in position 834: illegal multibyte sequence。

解决方法如下:

1.将pycharm中的文件编码都改为UTF-8

        在菜单栏中选择 文件-设置

         点击文件编码,将全局编码、项目编码和属性文件的默认编码都修改为UTF-8,即下图中的三个红色矩形区域。

2.修改代码

 在打开文件时,设置编码格式。

在代码中打开txt文件时,将下面语句

with open(filename, 'w') as file_object:

修改为

with open(filename, 'w', encoding='utf-8') as file_object:

代码成功运行,不再报错。

如何读取PDF文件内容,请看这一篇文章python读取pdf文件

下面的代码是python读取PDF文件内容,并将其写入到txt文件中的完整代码。

import PyPDF2
pdfFileObj = open('a.pdf', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
#输出pdf的总页数
print(pdfReader.numPages)
 

filename = 'b.txt'
with open(filename, 'w', encoding='utf-8') as file_object:
    #我读取的这篇pdf共400页
    for i in range(400):
        pageObj = pdfReader.getPage(i)
        #在控制台中输出pdf文件内容
        print(pageObj.extractText())
        #向txt文件中写入pdf文件内容
        file_object.write(pageObj.extractText())

注:a.pdf、b.txt与python代码文件在同一目录下。