如何使用Python3.6将任何格式的文件转换为文本格式？

Question

我正在尝试有一个转换器，可以将任何格式的文件转换成文本，这样处理对我来说就更容易了。我使用过Pythontextract库。
以下是文档：https://textract.readthedocs.io/en/stable/

我已经用pip安装了它并尝试使用它。但是遇到了错误，不知道如何解决它。在

>>> import textract
>>> text = textract.process('C:\Users\beta\Desktop\Projects Done With Specification.pdf', method='pdfminer')
  File "<stdin>", line 1
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: truncated \UXXXXXXXX escape

甚至我也尝试过在没有指定方法的情况下使用命令。在

^{pr2}$

请告诉我怎样才能用你的建议来解决这个问题。如果有可能的话，请给我建议解决方案，如果有什么别的方法可以代替textract，那么你仍然可以建议我。我想听听。在

Answer 1

问题出在绳子上

'C:\Users\beta\Desktop\Projects Done With Specification.pdf'

\U启动一个8字符的Unicode转义符，例如'\U00014321`。在代码中，转义符后跟字符“s”，这是无效的。在

您要么需要复制所有反斜杠，要么在字符串前面加上r（以生成原始字符串）。在

Answer 2

\字符在不同的上下文中表示不同的东西。在Windows路径名中，它是目录分隔符。在Python字符串中，它引入转义序列。指定路径时，必须考虑到这一点。在

请尝试以下任何一种：

text = textract.process('C:\\Users\\beta\\Desktop\\Projects Done With Specification.pdf', method='pdfminer')
text = textract.process(r'C:\Users\beta\Desktop\Projects Done With Specification.pdf', method='pdfminer')
text = textract.process('C:/Users/beta/Desktop/Projects Done With Specification.pdf', method='pdfminer')

Answer 3

尝试encoding='utf-8'

textract.process('C:\Users\beta\Desktop\Projects Done With Specification.pdf', encoding='utf-8')