我在ubuntu中使用pdf2txt（pdfminer python工具）从一些挪威语pdf中提取文本。
此工具与某些pdf的即时使用完美配合，并且我在.txt文件中获取了提取的文本，但是一半的pdf或多或少都会引发此错误：< / p>
追踪（最近一次呼叫最后一次）：
文件＆＃34; / usr / bin / pdf2txt＆＃34;，第101行，在模块中 如果名称 ==＆＃39; 主要＆＃39;：sys.exit（main（sys.argv））
文件＆＃34; / usr / bin / pdf2txt＆＃34;，第95行，在main中 caching = caching，check_extractable = True）
文件＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfinterp.py" ;,第832行，在process_pdf中 interpreter.process_page（页）
文件＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfinterp.py"，第757行，在process_page中 self.render_contents（page.resources，page.contents，ctm = ctm）
文件＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfinterp.py"，第770行，在render_contents中 self.execute（list_value（流））
File＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfinterp.py" ;,第795行，执行中 FUNC（*参数）
文件＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfinterp.py"，第605行，在do_BDC中 self.device.begin_tag（tag，props）
文件＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfdevice.py"，第160行，在begin_tag中 在sorted（props.iteritems（）））
File＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/pdfdevice.py" ;,第159行，in s =＆＃39;＆＃39; .join（＆＃39;％s =＆＃34;％s＆＃34;＆＃39;％（enc（k），enc（str（v）））for（ K，v）
File＆＃34; /usr/lib/python2.7/dist-packages/pdfminer/utils.py" ;,第164行，in enc 返回x.encode（编解码器，＆＃39; xmlcharrefreplace＆＃39;）
UnicodeDecodeError：＆＃39; ascii＆＃39;编解码器不能解码位置0中的字节0xfe：序数不在范围（128）
中
我会理解他们中的任何一个都有效，或者所有这些都有效，但他们都在Norweigan，所以他们使用相同的角色。为什么有些人会工作而有些人没有？
当我尝试从第1页提取文本时，甚至有一些pdf会引发此错误，并且可以很好地从第2页中提取文本。
这是我使用的命令：
pdf2txt -t tag -p 4 -A -o out / route / tag.txt in / route / 405448.pdf
这里有两个pdf即时使用的例子。
This one works perrfectly for me: http://54.171.169.37/tilbud/pdf/magazines/404707/404707.pdf
This one dosen't work in any page: http://54.171.169.37/tilbud/pdf/magazines/404635/404635.pdf
And this one, just works in some pages : http://54.171.169.37/tilbud/pdf/magazines/401944/401944.pdf
知道发生了什么？ TY提前
编辑： 我已经意识到，如果我以正常模式而不是标签模式（pdf2txt -t标签）提取文本，它可以在之前没有工作的页面上工作。所以＆＃34;标签＆＃34;是一个问题提取类型。