Python 无法读取pdf文件

我试图读取此文件，但它引发以下错误：-

“charmap”编解码器无法对6583位置的字节0x9d进行解码：字符映射到

---

为什么会抛出这个错误？如何解决此问题？

关于您的问题，可以通过执行以下操作来解决此错误：

您可以通过两种方式完成：

第一个：是通过执行：rTHEPATH，它将读取您通过路径插入的文件，例如：text=r/Users/dg/Downloads/Data-Wrangling/提纲/82445.pdf

或者你可以把double/，比如：//Users//dg//Downloads//Data-Wrangling//提纲//82445.pdf这将以同样的方式工作

---

希望这对您有所帮助：，并且可以自由地提出任何进一步的问题

我可以这样做：

text= textract.process("/Users/dg/Downloads/Data Wrangling/syllabi/82445.pdf") 

---

这是一个编码问题

Textract使用chardet检测pdf文件utf-8、latin1、cp1252等的编码。。检测文件的编码并不总是一件容易的任务，chardet可能无法检测文件的编码。在您的情况下，对于这个特定的pdf文件，它似乎失败了

如果您知道文件的编码，则可以使用如下输入\编码参数：

import os

file = open("/Users/dg/Downloads/Data Wrangling/syllabi/82445.pdf", "r")
text = file.read()
file.close

import chardet
guessed_encoding = chardet.detect(file)
print(guessed_encoding)

请参见下面链接中的第309期

请注意，encoding参数指定的是输出编码，而不是输入编码。 那么，写作

textract.process(filename, input_encoding="cp1252", output_encoding="utf8")

表示您希望使用ascii编码写入输出文件。但这并不意味着ascii是输入文件的编码

关于chardet的说明： 您可以使用chardet猜测如下文件的编码：

它将输出如下内容：

import os

file = open("/Users/dg/Downloads/Data Wrangling/syllabi/82445.pdf", "r")
text = file.read()
file.close

import chardet
guessed_encoding = chardet.detect(file)
print(guessed_encoding)

或：

在这里你可以看到有一个信心的关键。在第一个示例中，chardet非常确信编码是EUC-JP，但在第二个示例中并非如此

您可以尝试将chardet与导致问题的pdf文件一起使用，并查看其置信度得分

有用链接：

---

谢谢你的评论，不幸的是，这两个文件都不工作。除了这个名为fils的数字外，我还可以成功地读取其他文件。不幸的是，这不能回答你的问题吗？谢谢，我刚刚按照你的建议做了，is向我展示了这个{'encoding'：'IBM866'，'confidence'：0.5119798981570755，'language'：'俄语'}但那肯定是一个英文文件。我尝试使用encoding='IBM866'，但仍然不起作用。正如我在回答中所说，您必须使用名为input_encoding的参数，而不是名为encoding的参数。因此，要尝试使用utf-8，您需要编写extract.processfilename，input_encoding=utf8。还要注意的是，textract中utf-8的命名约定尚不清楚。通常在Python中是字符串utf-8，但在github和textract的文档中，我只看到utf8和utf_8。因此，如果utf8不起作用，请尝试其他方法。如果它不起作用，请尝试使用其他编码。它将不适用于IBM866，因为此输出只是告诉您textract使用的编码，它失败的编码。信心分数为0.5是一个非常低的分数。这意味着这可能不是正确的编码。所以你必须尝试另一种编码。如果上述方法不起作用，您也可以尝试使用流程和此处所述的显式解码：，甚至在textract的github上创建一个问题。

{'encoding': 'EUC-JP', 'confidence': 0.24}