[已解决]python提取PDF文档内容并保存

songdi

使用python提取到了PDF中的内容，想保存入TXT文档中。然而总是报错：TypeError: can't concat bytes to str。如何解决？代码如下：

1. from pdfminer.pdfparser import PDFParser, PDFDocument
   
2. from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
   
3. from pdfminer.pdfdevice import PDFDevice
   
4. from pdfminer.layout import LAParams
   
5. from pdfminer.converter import PDFPageAggregator
   
6. from pdfminer.pdfinterp import PDFPageInterpreter
   
7. 
   
8. # 获得文档对象
   
9. 
   
10. fp = open("Discussion.pdf","rb")
    
11. 
    
12. # 创建一个与文档关联的解释器
    
13. 
    
14. parser = PDFParser(fp)
    
15. 
    
16. # PDF文档的对象
    
17. doc = PDFDocument()
    
18. 
    
19. # 连接解释器和文档对象
    
20. 
    
21. parser.set_document(doc)
    
22. doc.set_parser(parser)
    
23. 
    
24. #初始化文档
    
25. 
    
26. doc.initialize("")
    
27. 
    
28. if not doc.is_extractable:
    
29.     raise PDFTextExtractionNotAllowed
    
30. else:
    
31.         
    
32.     #创建一个PDF资源管理器
    
33. 
    
34.     resource = PDFResourceManager()
    
35. 
    
36.     #参数分析器
    
37.     laparam = LAParams()
    
38. 
    
39.     # 创建一个聚合器
    
40. 
    
41.     device = PDFPageAggregator(resource,laparams=laparam)
    
42. 
    
43.     # 创建页面解释器
    
44. 
    
45.     interpreter = PDFPageInterpreter(resource,device)
    
46. 
    
47.     # 使用文档对象从页面读取内容
    
48. 
    
49.     for page in doc.get_pages():
    
50.         # 使用页面解释器来读取
    
51.         interpreter.process_page(page)
    
52. 
    
53.         # 使用聚合器获取内容
    
54.         layout = device.get_result()
    
55.         for out in layout:
    
56.             if hasattr(out,"get_text"):
    
57.                 result = out.get_text()
    
58.                 # print(result)
    
59.                 with open('a.txt','w') as f:
    
60.                     f.write(result.encode('utf-8')+'\n')

复制代码

最佳答案

月排行榜 / 总排行榜

SixPy

2017-8-14 12:33:01

with open('a.txt','w',encoding='utf8') as f:
------------
你学些字符编码的基础知识去~

跳转到最佳答案楼层

新手·ing

我们给你回答问题还要购买你的问题？我们有病啊！

SixPy

f.write(result.decode('utf-8')+'\n')

songdi

SixPy 发表于 2017-8-13 20:56
f.write(result.decode('utf-8')+'\n')

依然不行，报错：AttributeError: 'str' object has no attribute 'decode'

SixPy

f.write(result+'\n')

songdi

SixPy 发表于 2017-8-14 09:39
f.write(result+'\n')

还是报错，UnicodeEncodeError: 'gbk' codec can't encode character '\u0201' in position 15: illegal multibyte sequence

SixPy

with open('a.txt','w',encoding='utf8') as f:
------------
你学些字符编码的基础知识去~