无法解决Python 3编码

如何解决无法解决Python 3编码

因此，我正在尝试通过PyPDF2和PDFMiner读取PDF文档。我的文档是基于带有重音词（葡萄牙语）的文本。我设法获得了所需的文本信息，但其编码完全混乱了。这只是其中的一部分：

'MINIST ... RIO DA ECONOMIA \ nSecretaria Especial de Desburocratiza“％0o，Gest％0o e Governo Digital \ nSecretaria de Gest％0o e Desempenho de Pessoal \ nComiss％0o E-Special dos Ex-TerritSrios Federais de RondZnia， Amap / e de Roraima \ nPrimeira C> mara \ n ATA DE REUNIIO \ n ATA CEEXT N！27/2020 D 1 >> C> mara de Julgamento \ nReuni％0o da 1 >> C> mara de Julgamento da Comiss％0o特殊的dos Ex-TerritSrios [...]

我尝试将其编码为UTF-8和ASCII。 UTF-8显示以下输出：

b'MINIST \ xe2 \ x80 \ xa6RIO DA ECONOMIA \ nSecretaria Esspecial de Desburocratiza \ xe2 \ x80 \ x9c \ xe2 \ x80 \ xb0o，Gest \ xe2 \ x80 \ xb0o e Governo Digital \ nSecretaria de Gest \ xe2 \ xb0o desempenho de Pessoal \ nComiss \ xe2 \ x80 \ xb0o Ex-Territ特制\ xc5 \ xa0rio Federais de Rond \ xc5 \ xbdnia，做Amap \ xe2 \ x81 \ x84 e Roraima \ nPrimeira C \ xe xbamara \ n ATA DE REUNI \ xc3 \ x8cO \ n ATA CEEXT N \ xc2 \ xa1 27/2020 \ xc3 \ x90 1 \ xc2 \ xbb C \ xe2 \ x80 \ xbamara de Julgamento \ nReuni \ xe2 \ x80 \ xb0o da 1 \ xc2 \ xbb C \ xe2 \ x80 \ xbamara [...]

当ASCII出现此错误消息时：

UnicodeEncodeError：'ascii'编解码器无法在位置6编码字符'\ u2026'：序数不在范围（128）中

我尝试在文本上使用“ Unidecode”，但是它要么不执行任何操作并显示第一个输出，要么（如果文本是先前编码的）以下错误：

AttributeError：“字节”对象没有属性“编码”

我设法使一个字节对象成为str的唯一方法是根本不对它进行编码，返回到“ unidecode什么都不做”这一点。

一开始，文字应该是（如PDF文件中一样）：

MINISTÉRIODA ECONOMIA Gestãoe Governo Digital的特别秘书局Desburocratização 盖世大臣和比索尔秘书 朗多尼亚联邦共和国特别委员会，阿马帕德罗赖马 PrimeiraCâmara

data_func是另一个.py文件，如下所示：

from io import StringIO
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfparser import PDFParser 
def convert_pdf_to_string(file_path):
    output_string = StringIO()
    with open(file_path,'rb') as in_file:
        parser = PDFParser(in_file)
        doc = PDFDocument(parser)
        rsrcmgr = PDFResourceManager()
        device = TextConverter(rsrcmgr,output_string,laparams=LAParams())
        interpreter = PDFPageInterpreter(rsrcmgr,device)
        for page in PDFPage.create_pages(doc):
            interpreter.process_page(page)
    return(output_string.getvalue())         
def convert_title_to_filename(title):
    filename = title.lower()
    filename = filename.replace(' ','_')
    return filename
def split_to_title_and_pagenum(table_of_contents_entry):
    title_and_pagenum = table_of_contents_entry.strip()
    title = None
    pagenum = None
    if len(title_and_pagenum) > 0:
        if title_and_pagenum[-1].isdigit():
            i = -2
            while title_and_pagenum[i].isdigit():
                i -= 1
            title = title_and_pagenum[:i].strip()
            pagenum = int(title_and_pagenum[i:].strip())
    return title,pagenum

所以我不知道该怎么办。这是我的代码：

import PyPDF2
import data_func
object = open('foo1.pdf','rb')
reader = PyPDF2.PdfFileReader(object)
    print(reader.documentInfo)
num_of_pages = reader.numPages
    print('Number of pages: ' + str(num_of_pages))
page = reader.getPage(0)
    text = page.extractText()
    text

如果过去一周一直在寻找答案，除了Python 2解决方案（在Python 3中无用）或类似“您不应期望不会在编码中丢失信息”之类的东西之外，什么都没找到。我是Stack Overflow的最新海报，所以请耐心等待，因为我最近刚开始编程。