解决python中的UnicodeEncodeError: ‘gbk‘ codec can‘t encode character ‘\u26ab‘问题

CH。。。

已于 2022-11-03 21:25:02 修改

阅读量1.1k

点赞数 4

分类专栏： python 文章标签： python pycharm

于 2022-11-01 17:59:17 首次发布

本文链接：https://blog.youkuaiyun.com/m0_56636447/article/details/127637293

版权

python 专栏收录该内容

3 篇文章

订阅专栏

本文介绍了解决从PDF文件读取内容并转换为TXT文件过程中出现的Unicode编码错误的方法。通过调整PyCharm的文件编码设置及在Python代码中指定文件编码方式，实现了PDF内容的正确转换。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

将从PDF文件中读取的内容，写入txt文件中，遇到如下问题：

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

解决方法如下：

1.将pycharm中的文件编码都改为UTF-8

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。

2.修改代码

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。