# -*- coding: utf-8 -*- import PyPDF2 import sys import io # 创建一个文本输出流，包装标准输出 sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='gbk') # 创建一个txt文件并打开文件对象 with open('output7.txt', 'w', encoding='utf-8') as txt_file: # 打印包含特殊字符的字符串 s = 'PDF文件头信息：\xae' txt_file.write(s + '\n') # 打开PDF文件 pdf_file = open('x1/2023凯程333教育综合应试解析-外国教育史(OCR).pdf', 'rb') # 创建一个PDF读取器对象 pdf_reader = PyPDF2.PdfFileReader(pdf_file,strict=False) # 打印PDF文件头信息 pdf_info = pdf_reader.getDocumentInfo() txt_file.write('PDF文件头信息：\n') for key, value in pdf_info.items(): try: txt_file.write(f'{key}: {value}\n') except UnicodeEncodeError: txt_file.write(f'{key}: {" ".join(value.split())}\n') # 打印PDF文件体信息 for page_num in range(pdf_reader.getNumPages()): page = pdf_reader.getPage(page_num) txt_file.write(f'第{page_num+1}页的内容：\n{page.extractText()}\n') # 打印PDF交叉引用表信息 txt_file.write('PDF交叉引用表信息：\n' + str(pdf_reader.xref) + '\n') # 打印PDF文件尾信息 txt_file.write('PDF文件尾信息：' + str(pdf_reader.trailer) + '\n') # 关闭PDF文件和txt文件 pdf_file.close() txt_file.close()使用pdfminer修改上述代码

下面是使用pdfminer修改后的代码，可以提取PDF文本和元数据信息：

# -*- coding: utf-8 -*-
import io
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument

# 创建一个文本输出流，包装标准输出
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='gbk')

# 创建一个txt文件并打开文件对象
with open('output7.txt', 'w', encoding='utf-8') as txt_file:
    # 打开PDF文件
    with open('x1/2023凯程333教育综合应试解析-外国教育史(OCR).pdf', 'rb') as pdf_file:
        # 创建一个PDF解析器对象
        parser = PDFParser(pdf_file)
        # 创建一个PDF文档对象
        document = PDFDocument(parser)
        # 检查文档是否可用
        if not document.is_extractable:
            raise PDFTextExtractionNotAllowed
        # 创建一个PDF资源管理器对象
        rsrcmgr = PDFResourceManager()
        # 创建一个PDF设备对象
        laparams = LAParams()
        device = TextConverter(rsrcmgr, txt_file, laparams=laparams)
        # 创建一个PDF解释器对象
        interpreter = PDFPageInterpreter(rsrcmgr, device)
        # 打印PDF文件头信息
        pdf_info = document.info
        txt_file.write('PDF文件头信息：\n')
        for key, value in pdf_info.items():
            try:
                txt_file.write(f'{key}: {value}\n')
            except UnicodeEncodeError:
                txt_file.write(f'{key}: {" ".join(value.split())}\n')
        # 打印PDF文件体信息
        for page in PDFPage.create_pages(document):
            interpreter.process_page(page)
        # 打印PDF文件尾信息
        txt_file.write('PDF文件尾信息：' + str(document.info) + '\n')

    # 关闭txt文件
    txt_file.close()

需要注意的是，使用pdfminer需要先安装pdfminer模块，可以使用`pip install pdfminer`命令进行安装。同时，需要注意PDF文件中可能会有不规范的编码或加密等问题导致解析失败，需要考虑相关处理。