-2

Estou usando a biblioteca Python, que é o Textract, para extrair texto de um arquivo PDF, mas está obtendo um erro ao executar o script. Abaixo está o script e o erro retornado no console.

import textract

text = textract.process("C:\Users\Willian Ambisis\Downloads\licenca-ambiental2.pdf")
print(text)

Erro:

File "c:\Users\Willian Ambisis\Desktop\Textract\textractPython.py", line 3 text = textract.process("C:\Users\Willian Ambisis\Downloads\licenca-ambiental2.pdf") ^ SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: truncated \UXXXXXXXX escape

3 Respostas 3

-1

Esse erro é causado porque você tá usando uma string normal como endereço doa rquivo. Pra solucionar tem 3 possibilidades:

1: Adicionar r antes da string pra converter de normal em raw string:

text = textract.process(r"C:\Users\Willian Ambisis\Downloads\licenca-ambiental2.pdf")

2: Inverter as barras:

text = textract.process("C:/Users/Willian Ambisis/Downloads/licenca-ambiental2.pdf")

3: Usar barras duplas para escapar o caractere:

text = textract.process("C:\\Users\\Willian Ambisis\\Downloads\\licenca-ambiental2.pdf")
-2

O problema se dá porque você está tratando as barras invertidas do caminho do arquivo como caracteres normais ao invés de caracteres especiais. Da documentação:

O caractere de barra invertida (\) é usado para escapar os caracteres que, de outra forma, têm um significado especial, como nova linha, a própria barra invertida ou o caractere de aspas.

Tente adicionar o prefixo r à sua string, que lida com as barras invertidas por você:

import textract

#                       v
text = textract.process(r"C:\Users\Willian Ambisis\Downloads\licenca-ambiental2.pdf")
print(text)
-2

Além de o caminho do documento estar com contrabarra ao invés de barra que pode ser corrigido utilizando um r antes da string de caminho o textract processa imagens, então é necessário utilizar uma conversão do pdf para imagem a menos que se carregue direto do s3.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .