在python 3.5.2中打开具有西里尔字母名称的.doc(x)和.pdf文件
我遇到的问题如下: 我正在制作一个python脚本,用于列出在指定目录树中找到的.doc(x)和.pdf文件,并返回它们的页面总数:在python 3.5.2中打开具有西里尔字母名称的.doc(x)和.pdf文件,python,pdf,unicode,utf-8,ms-word,Python,Pdf,Unicode,Utf 8,Ms Word,我遇到的问题如下: 我正在制作一个python脚本,用于列出在指定目录树中找到的.doc(x)和.pdf文件,并返回它们的页面总数: def allFiles(): page_count = 0 counter = 1 path = pathName() f = open(path + '\\' + 'Spisak svih fajlova.txt', 'w') f.write('Spisak fajlova: ' + '\n') file_list = [] file_path = []
def allFiles():
page_count = 0
counter = 1
path = pathName()
f = open(path + '\\' + 'Spisak svih fajlova.txt', 'w')
f.write('Spisak fajlova: ' + '\n')
file_list = []
file_path = []
for folderName, subfolders, files in os.walk(path):
for filename in files:
if (filename.endswith('.doc') or filename.endswith('.docx') or filename.endswith('.pdf')):
file_list.append(filename)
file_path.append(os.path.join(folderName, filename))
print('\n' + 'Broj fajlova je: %g' % len(file_list) + '\n')
print(file_list)
print()
# print(file_path)
word = win32com.client.Dispatch('Word.Application')
for filename in file_path:
if filename.endswith('.pdf'):
pdf = PdfFileReader(open(filename, 'rb'))
num_pages = pdf.getNumPages()
page_count += num_pages
f.write('%g. ' % counter + os.path.basename(filename) + ',' + ' %g' % num_pages + ',' + '\n')
counter += 1
elif (filename.endswith('.doc') or filename.endswith('.docx')):
wordfile = word.Documents.Open(filename)
wordfile.Repaginate()
num_pages = wordfile.ComputeStatistics(2)
page_count += num_pages
wordfile.Close()
f.write('%g. ' % counter + os.path.basename(filename) + ',' + ' %g' % num_pages + ',' + '\n')
counter += 1
word.Quit()
f.write('\n' + 'Ukupan broj stranica je: %g' % page_count)
f.close()
print('\n' + 'Broj stranica je: %g' % page_count)
return page_count
在我试图让它处理一个带有(塞尔维亚)西里尔文标题或非英语字符的文件之前,脚本做得很好
我得到的错误是:
Traceback (most recent call last):
File "broj_stranica_2.py", line 165, in <module>
result()
File "broj_stranica_2.py", line 160, in result
allFiles()
File "broj_stranica_2.py", line 122, in allFiles
print(file_list)
File "C:\Anaconda3\lib\encodings\cp852.py", line 19, in encode
return codecs.charmap_encode(input,self.errors,encoding_map)[0]
UnicodeEncodeError: 'charmap' codec can't encode characters in position 2-10: character maps to <undefined>
我使用的Python版本是3.5.2(与anaconda一起安装)。
使用PyPDF2操作.pdf文件,使用win32com操作.doc(x)
我尝试处理的文件的名称是“docx”和“docx”和“pdf”。答案来自,由@roeland标记,由@J.F.Sebastian回答,谢谢:)
问题不在于打开文件,而是在print语句中,在控制台中打印文件名
然而,如果您确实需要将其打印到控制台,那么对我来说,有效的方法就是使用该模块。
只需导入它并通过以下方式启用它:
import win_unicode_console
win_unicode_console.enable()
可能重复的
import win_unicode_console
win_unicode_console.enable()