UnicodeEncodeError: ‘gbk‘ codec can‘t encode character ‘u2002‘ in position 28: illegal......

UnicodeEncodeError: ‘gbk‘ codec can‘t encode character ‘u2002‘ in position 28: illegal......

UnicodeEncodeError: 'gbk' codec can't encode character 'u2002' in position 28: illegal multibyte sequence

import pdfplumber
path = 'D:毕设（企业数字化转型）政治基因/政治关联、企业并购特征与并购绩效_张雯.pdf'
pdf = pdfplumber.open(path)

def txt_create(msg):
    file = open('./政治关联、企业并购特征与并购绩效_张雯.txt', 'a')
    file.write(msg)
    file.close()

for page in pdf.pages:
    txt_create(page.extract_text())

但是如果不写入txt，只是print的话就没事

import pdfplumber
path = 'D:毕设（企业数字化转型）政治基因/政治关联、企业并购特征与并购绩效_张雯.pdf'
pdf = pdfplumber.open(path)

def txt_create(msg):
    file = open('./政治关联、企业并购特征与并购绩效_张雯.txt', 'a')
    file.write(msg)
    file.close()

for page in pdf.pages:
    # txt_create(page.extract_text())
    print(page.extract_text())

 输出

 首先了解报错

错误大概意思是：Unicode编码错误：‘gbk’ 编码解码器（codec）不能编码Unicode字符‘u2002’......

回顾Unicode是什么（UTF-8 到底是什么意思？unicode编码简介）

https://zhuanlan.zhihu.com/p/137875615https://zhuanlan.zhihu.com/p/137875615https://zhuanlan.zhihu.com/p/137875615

 可是明明print好好的，怎么写入文件就出错了呀。

说明在于创建txt时有编码问题：windows下，新文件默认编码为gbk， 那么python就直接用gbk去解析pdf了，从而出错了。

def txt_create(msg):
    file = open('./政治关联、企业并购特征与并购绩效_张雯.txt', 'a', encoding='utf-8') 
    #用'a'否则会覆盖写入,加一个encoding
    file.write(msg)
    file.close()

问题解决了

我是看这篇文章懂的

https://blog.csdn.net/qq_38008452/article/details/80423436https://blog.csdn.net/qq_38008452/article/details/80423436