考虑以下代码片段:
import io
result = io.StringIO()
with open("file.pdf") as fp:
extract_text_to_fp(fp, result, output_type='xml')
data = result.getvalue()
这会导致以下错误
ValueError: Codec is required for a binary I/O output
如果我省略output_type，我会收到错误
`UnicodeDecodeError: 'charmap' codec can't decode byte 0x8f in position 3804: character maps to <undefined>` instead.
我不明白为什么会发生这种情况，希望获得解决方法的帮助。
最佳答案
我想出了如何解决这个问题:
首先，您需要以二进制模式打开“file.pdf”。然后，如果您想读取内存，请使用 BytesIO 而不是 StringIO 并对其进行解码。
例如
import io
result = io.BytesIO()
with open("file.pdf", 'rb') as fp:
extract_text_to_fp(fp, result, output_type='xml')
data = result.getvalue().decode("utf-8")
关于python - 使用 PDFMiner.Six 将 pdf 读入内存时出现问题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/72137273/