Python 写入文件时出现 UnicodeEncodeError

Question

我正在使用“pdfminer.six”(一个 Python 库)从我拥有的几个 PDF 中提取所有文本。我的方法工作完美，但对于某些 pdf，可能有一些特殊字符，当我将其写入文本文件时，我收到“Unicode 编码错误:'charmap' 编解码器无法编码字符 '\u03b2'在位置 271130:字符映射到“. 现在，我知道“正在”发生什么，但我想知道如何最好地对待它。这是让我头疼的部分:

    with open("newTxtFile.txt", "w") as textFile:
        textFile.write(text)

由于我来自巴西并且文本是葡萄牙语，因此我想保留所有重音符号，因此我在 pdfminer 中使用“codec = 'latin-1'”。据我检查，保存前打印一直到最后都完美无缺，但每当我尝试保存到文件时，都会收到 UnicodeEncodeError。

我想到的两个选择是: 要么我找到一种方法来仅捕获给我带来麻烦的特定字符:

    with open("newTxtFile.txt", "w") as textFile:
    try:
        textFile.write(text)
    except UnicodeEncodeError:
        ????

但我不知道 except 中应该包含什么？

或者我应该以不同的方式保存到文件中。

谁能给我一些建议吗？非常感谢!

Answer 1

尝试:

with open("newTxtFile.txt", "wb") as textFile:
    textFile.write(text.encode('utf8'))

阅读它:

with open("newTxtFile.txt", "rb") as textFile:
    text = textFile.read().decode('utf8')