首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何在Python中将PDF中的字节转换为字符串?

问如何在Python中将PDF中的字节转换为字符串?
EN

Stack Overflow用户
提问于 2020-06-25 11:32:33
回答 1查看 1.1K关注 0票数 0

我尝试将从book_download_page = requests.get(link)获取的字节转换为字符串,然后从content = book_download_page.content转换为字符串。

我试过的是,

代码语言:javascript
复制
content = book_download_page.content.decode('utf-8')

我得到了错误,

代码语言:javascript
复制
'utf-8' codec can't decode byte 0xe2 in position 10: invalid continuation byte

编辑-您可以尝试this link进行下载

谢谢!

EN

回答 1

Stack Overflow用户

发布于 2020-06-25 11:46:36

PDF内容由tokens组成,请查看此处:

Adobe PDF Reference

您可以使用C++中的PoDoFo、Java中的PDFBox等工具解析PDF并提取文本,Python中也有一个PDF文本剥离器。

代码语言:javascript
复制
import pdfbox

pdf_ref = pdfbox.PDFBox()
pdf_ref.extract_text('directory/originalPDF.pdf')   # Result .txt will be in directory/originalPDF.txt

简单的例子改编自python-pdfbox,如果你也想转换其他东西,比如图片。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/62567435

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档