【python】python 读取pdf文件时，通过string.decode("utf-16")解析字符串时，因缺少字节导致程序崩溃的问题

本文主要是介绍【python】python 读取pdf文件时，通过string.decode("utf-16")解析字符串时，因缺少字节导致程序崩溃的问题，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

参考：https://blog.csdn.net/roymno2/article/details/71628128ou（感谢大佬）

【问题背景】

　　最近有一个任务，需要使用python2.7去读取pdf文件内容。使用的模块是pypdf。当我获取到pdf其中的一页page时，调用page.mergeScaledTranslatedPage()这个函数处理时，报了下面的错误：

【问题原因】：

　　这个错误是什么意思呢？咋一看跟解码和utf16有关。　

　　这个python错误的意思是，decode("utf-16") 这个操作，碰到了一个单个字节的回车(0x0A)，utf-16中每个字符应该是2个字节，如果是UTF-16大端，就是 00 0A，如果是UTF-16 小端（也叫UCS-2小端）的编码就是0A 00。

　　这个错误就是在UTF-16 小端的情况下，少了后半个字符。即图中红色字符所指的位置，有个0A，它后面缺少了00。

 【解决办法】：

　　解决方法是在decode时，用 decode("utf-16","ignore") 即加上ignore这个选项，把这个错误忽略掉。

这篇关于【python】python 读取pdf文件时，通过string.decode("utf-16")解析字符串时，因缺少字节导致程序崩溃的问题的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！