【发布时间】：2017-04-24 13:14:46
【问题描述】：
我可以通过此代码打开任何 .txt 文件
userinput1 = input ("Enter file name:")
myfile1 = open(userinput1).read()
print(myfile1)
但是当我打开任何 pdf 或 ppt 或 xlsx 文件时，它会给出错误。任何人都可以帮助我或告诉我任何方法可以在 python 中打开所有类型的文件（.txt、.doc、.ppt、.xlsx 等）
输出：
输出：
Traceback (most recent call last):
File "C:/Users/umer/Desktop/stack.py", line 33, in <module>
myfile1 = open(userinput1).read()
File "C:\Python34\lib\encodings\cp1252.py", line 23, in decode
return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x81 in position 370: character maps to <undefined>
【问题讨论】：
-
@Stefan Pochmann 输出：回溯（最后一次调用）：文件“C:/Users/umer/Desktop/stack.py”，第 33 行，在
myfile1 = open(userinput1) .read() 文件“C:\Python34\lib\encodings\cp1252.py”，第 23 行，解码返回 codecs.charmap_decode(input,self.errors,decoding_table)[0] UnicodeDecodeError: 'charmap' codec can't解码位置 370 中的字节 0x81：字符映射到 -
您需要为您列出的每种类型使用不同的库。它们都是二进制格式，包含以非常不同的方式存储的各种信息（例如，PDF 可以包含图像、音频甚至视频；xlsx 可能包含图表）。这在很大程度上取决于您实际想要对这些信息做什么，但很可能您需要为每种文件类型使用单独的方法。
-
当然你可以用二进制模式读取它们：
open(userinput1, 'rb').read()，但这只会返回一个二进制数据块，这在大多数情况下是没有用的。 -
那么如何将该二进制代码转换为文本？ @lenz
-
那么您需要为您需要处理的每种文件类型使用适当的库（如@lenz 所写），而您接受的答案实际上对您毫无用处。另请注意，从 PDF 中可靠地提取文本是极其困难的；这是一种令人惊讶的低级格式。你得到一个字母流和它们的位置，提取器必须猜测（并不总是正确）单词的边界在哪里。