python-3.x - 无法使用Pypdf阅读pdf文件。它以字节码显示输出

谁能帮我吗？

提前致谢。

代码：

from PyPDF2 import PdfFileReader

def text_extractor(path):
    with open(path, 'rb') as f:

        pdf = PdfFileReader(f)
        page = pdf.getPage(2)
        print(page)
        text = page.extractText().encode('utf-8')
        print(text)

if __name__ == '__main__':

    path = '/home/ubuntu/Desktop/hi.pdf'
    text_extractor(path)

输出：


{'/父母'：IndirectObject（137，0），'/ CropBox'：[0，0，960，540]，'/ Rotate'：0，'/ Resources'：{'/ ColorSpace'：{'/ CS0 '：IndirectObject（155，0）}，'/ XObject'：{'/ Im0'：IndirectObject（6，0），'/ Im1'：IndirectObject（8，0）}，'/ Font'：{'/ TT1 '：IndirectObject（132，0），'/ TT0'：IndirectObject（157，0），'/ TT2'：IndirectObject（159，0）}，'/ ProcSet'：['/ PDF'，'/ Text'， '/ ImageC']}，'/ Contents'：IndirectObject（5，0），'/ MediaBox'：[0，0，960，540]，'/ Type'：'/ Page'}

b'65＃-\'\ n！C，％03D \ n！9 $ * 0＆30％30 \ n！E $ 34＆，％＆$ AA（＃6 $ /＃，％\ n！F0？860？＆3 $ -A（＃％：\ n！G + $ /＆2 $“＃$ H（0I（$ 40”＆@＃（（＆4,8＆830 \ n！G + $ /＆＃3＆4,8＆（＃-＃/＃％ ：＆2 $“＃$ H（0 \ n！J，@＆/，＆+ $％？（0K＆E20” 4 / +＃％：＆0（30 \ n'

最佳答案

您用问题陈述让我有些失望，但实际上它比您指出的要基本得多。您正在使用编码明确请求字节序列。请查看encoding的官方文档。

从文档中：


将Unicode字符串转换为字节序列的规则称为编码。


如果出于某种原因需要一个字节字符串，则相反的decode缺省为UTF-8。在您的情况下，这不是必需的，因为docs指出您应该从extractText()命令获取Unicode字符串。

编辑：阐明了有关解码的更多信息。

关于python-3.x - 无法使用Pypdf阅读pdf文件。它以字节码显示输出，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51670517/