pdftotext terminalコマンド(私はUbuntu 17.04を実行しています)を使ってテキストをテキスト(.txt)ファイルにストリッピングした後、ファイルから読み込もうとすると、出力。私はそれに単語が1つ入ったtxtを使ってコードをテストしました:test。コードが機能しました。これはファイルから完全に出力され、pdftotextのフォールトまたはエンコーディングのフォールトのいずれかであることがわかります。本当に私を得て、ここに来らせたのは、ファイルがテキストエディタで正常に開き、すべてのテストでファイルが標準のUTF-8であるということです。ここに私の私のPDF stripped text file、使用して作成されます。PDF変換後に奇妙なファイルが開く
import tkinter
from tkinter.filedialog import askopenfilename
import subprocess
from subprocess import *
import os
from tkinter import Listbox
import sys
from tkinter import Scrollbar
from tkinter import Frame
from tkinter import Label
from tkinter import messagebox
from tkinter import Button
#win32, cygwin, linux, linux2, darwin
def chooser():
returnedValue['filename'] = askopenfilename(**opts)
try:
subprocess.run(['pdftotext', returnedValue['filename'], '-raw'], check = True)
except (TypeError, subprocess.CalledProcessError) as e:
messagebox.showerror("Null error", "No file selected")
if sys.platform == "linux" or sys.platform == "linux2" or sys.platform == "darwin":
label = returnedValue['filename'].split('/')
file2['file2'] = label[len(label)-1]
else:
label = returnedValue['filename'].split('\\')
file2['file2'] = label[len(label)-1]
L.insert(0, label[len(label)-1])
def trello():
with open(returnedValue['filename'], 'r', encoding='utf8', errors='ignore') as f:
content = f.readlines()
content = [x.strip() for x in content]
for line in content:
print(line)
opts = {}
opts['filetypes'] = [('Portable Document Format','.pdf'),('all files','.*')]
opts['defaultextension'] = '.pdf'
opts['title'] = 'Select File'
opts['initialdir'] = [os.path.expanduser('~/')]
returnedValue = {}
returnedValue['filename'] = ""
file2 = {}
file2['file2'] = ""
root = tkinter.Tk()
B = Button(root, text = "Convert PDF", command = chooser)
B.pack()
F = Frame(root)
La = Label(F, text="PDFs Converted:")
La.pack()
S = Scrollbar(F)
S.pack(side=tkinter.RIGHT, fill=tkinter.Y)
L = Listbox(F, height=5, yscrollcommand=S.set)
L.pack()
S.config(command=L.yview)
F.pack()
Bue = Button(root, text="Send to Trello", command = trello)
Bue.pack()
root.geometry('{}x{}'.format(500, 500))
root.attributes("-topmost", True)
root.wm_title("PDF Chooser")
root.mainloop()
これは私がopen()
機能でerrors='ignore'
を使用していないときに私が取得エラーです:
Exception in Tkinter callback
Traceback (most recent call last):
File "/usr/lib/python3.6/tkinter/__init__.py", line 1702, in __call__
return self.func(*args)
File "./pdftotextCVM.py", line 34, in trello
content = f.readlines()
File "/usr/lib/python3.6/codecs.py", line 321, in decode
(result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 11: invalid start byte
そしてhereは私が行うとき私が得るものですerrors=ignore
を使用してください。その最後のペーストは、私のUbuntu端末の履歴が戻ってくるほどです。もっと多くの情報があるかもしれませんが、あなたはそのアイデアを得ることができます。サイドノート:わからない場合は、Python 3.6を使用しています。
実際のファイルの内容を確認するには、16進ダンプユーティリティを使用します。 –
コメントありがとうございました。あなたは私に道を譲り、答えを見つけました。 – Steampunkery
あなたのコードに外部リンクを使用しないでください。あなたのポストの中に - 好ましくは[mcve]としてコピーしてください。私は先に進み、あなたのためにそれをしました(実際の問題に限定されず、コピーしています)。私はサンプル出力をダウンロードして含めることができませんでした。あなたは自分でそうする必要があります。 – usr2564301