UnicodeEncodeError: 'gbk' codec can't encode character '\u2002' in position 28: illegal multibyte sequence
import pdfplumber
path = 'D:\毕设(企业数字化转型)\政治基因/政治关联、企业并购特征与并购绩效_张雯.pdf'
pdf = pdfplumber.open(path)
def txt_create(msg):
file = open('./政治关联、企业并购特征与并购绩效_张雯.txt', 'a')
file.write(msg)
file.close()
for page in pdf.pages:
txt_create(page.extract_text())
但是如果不写入txt,只是print的话就没事
import pdfplumber
path = 'D:\毕设(企业数字化转型)\政治基因/政治关联、企业并购特征与并购绩效_张雯.pdf'
pdf = pdfplumber.open(path)
def txt_create(msg):
file = open('./政治关联、企业并购特征与并购绩效_张雯.txt', 'a')
file.write(msg)
file.close()
for page in pdf.pages:
# txt_create(page.extract_text())
print(page.extract_text())
输出
首先了解报错
错误大概意思是:Unicode编码错误:‘gbk’ 编码解码器(codec)不能编码Unicode字符‘\u2002’......
回顾Unicode是什么(UTF-8 到底是什么意思?unicode编码简介)
可是明明print好好的,怎么写入文件就出错了呀。
说明在于创建txt时有编码问题:windows下,新文件默认编码为gbk, 那么python就直接用gbk去解析pdf了,从而出错了。
def txt_create(msg):
file = open('./政治关联、企业并购特征与并购绩效_张雯.txt', 'a', encoding='utf-8')
#用'a'否则会覆盖写入,加一个encoding
file.write(msg)
file.close()
问题解决了
我是看这篇文章懂的