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