Python PDF文件到Dict返回奇怪的字符

我试图创建一个程序，利用pdfminer读取DnD字符表（可填充PDF），并将填充内容放入字典。在编辑PDF并再次运行程序后，我在打印字典项时得到一个奇怪的字符序列。守则：

从pdfminer.pdfparser导入pdfparser
从pdfminer.pdfdocument导入pdfdocument
从pdfminer.pdftypes导入解析1
导入集合
filename=“Edited_CS.pdf”
fp=打开（文件名为“rb”）
我的字典={}
解析器=PDFParser（fp）
doc=PDFDocument（解析器）
fields=resolve1（doc.catalog['AcroForm']）['fields']
#检查PDF文件是否为空
如果isinstance（字段、集合.abc.Sequence）为False：
打印（“此字符表为空白。请提交已填写的字符表！”）
其他：
对于字段中的i：
字段=解析1（i）
name，value=field.get（'T'），field.get（'V'））
如果值为None或str（值）[2:-1]==”：
value=“b'None”
我的名字[str（name）[2:-1]]=str（value）[2:-1]
对于列表中的g（my_dict.items（））：
印刷品（g）

未编辑PDF文件的输出：

（'ClassLevel'，'sugger 1'）
（‘背景’、‘孤独幸存者’）
（‘PlayerName’、‘None’）
（'CharacterName'，'Tumas Mitshil'）
（‘种族’、‘人类’）
等

编辑时的输出（我在PDF中完全更改了类级别等）：

（'ClassLevel'，'\\xfe\\xff\\x00C\\x00l\\x00a\\x00s\\x00s\\x00l\\x00e\\x00v\\x00e\\x00l'）
（'Background'，'\\xfe\\xff\\x00B\\x00a\\x00c\\x00k\\x00g\\x00r\\x00o\\x00u\\x00n\\x00d\\x00r'）
（'PlayerName'，'\\xfe\\xff\\x00P\\x00l\\x00a\\x00y\\x00e\\x00r\\x00N\\x00a\\x00m\\x00e'）
（'CharacterName'，'\\xfe\\xff\\x00T\\x00h\\x00o\\x00m\\x00a\\x00s'）
（'Race'，'\\xfe\\xff\\x00R\\x00a\\x00c\\x00e'）
（'Alignment'，'\\xfe\\xff\\x00A\\x00l\\x00i\\x00g\\x00n\\x00m\\x00e\\x00n\\x00t'）
等

我知道这是某种编码，一些谷歌搜索让我相信这是UTF-8编码，所以我在打开文件时尝试解码PDF：

fp=open（文件名'rb'）.read（）.decode（'utf-8'））

不幸的是，我遇到了一个错误：

回溯（最近一次呼叫最后一次）：
文件“main.py”，第16行，在
fp=open（文件名为'rb'）.read（）.decode（'utf-8'））
UnicodeDecodeError:“utf-8”编解码器无法解码位置10中的字节0xe2:无效的连续字节

当我第一次制作PDF时，我使用了AdobeAcrobat。但是，我使用了Microsoft Edge来编辑该文件，这导致了我面临的问题。以下是文件：

有没有办法正确地解码这个？有没有一种方法可以对编辑后的pdf进行编码，这样就可以轻松地将其加载到python中？如果这是编码的，还有其他形式的编码吗？我该如何解码

---

非常感谢您的帮助。

您可以使用Adobe Acrobat Reader DC编辑表单字段来解决此问题。我已经使用它编辑了edited_CS.pdf的表单字段，pdfminer.six返回了预期的输出

---

可能是Microsoft Edge导致了此问题

经过一番挖掘，我找到了一个更好的解决办法。我没有使用pdfminer打开PDF，而是使用PyPDF2。不知何故，它可以读取任何PDF而不考虑编码，并且它有一个功能，可以自动将可填充的空格转换为适当的字典。结果是生成更精细、更清晰的代码：

从PyPDF2导入PdfileReader
infle=“已编辑的_CS.pdf”
pdf_reader=PdfFileReader（打开（填充“rb”））
dictionary=pdf\u reader.getFormTextFields（）
对于列表中的g（dictionary.items（））：
印刷品（g）

---

不管怎样，谢谢你所有的回答！：）

它是带有前导BOM的UTF-16。正如@mkl所说，该字段的值是一个以字节顺序标记（）开头的unicode字符串。如果你使用

value[2:].decode（）

你可以看到你想要的文本，与

\x00

交织在一起。如果我重新使用我以前的方法，我一定会尝试一下：）非常正确，但我希望它能够接受任何应用程序保存的任何PDF，因此我需要对它进行正确的解码。然而，我能够解决我的问题。我很好奇PyPDF2和pdfminer有什么不同！我在pdfminer github上创建了一个问题来解决这个问题。