我看你在使用PDFMiner解析PDF时碰到了编码错误，错误栈显示是UnicodeDecodeError: 'charmap' codec can't decode byte 0x90...，这个问题其实很常见，核心原因是你用文本模式打开了PDF文件，而PDF本质是二进制格式，里面包含很多系统默认编码（比如Windows的cp1252）无法识别的字节。

核心解决方案：用二进制模式打开PDF文件 #

你只需要修改打开文件的代码，把文本模式改成二进制模式（"rb"），就能直接解决这个编码问题：

原来的代码：

fp=open("../pathto/pdffile.pdf")

修改后：

fp=open("../pathto/pdffile.pdf", "rb")

为什么这样能解决？因为文本模式打开文件时，Python会自动尝试用系统默认编码解码字节成字符串，但PDF文件里有大量非文本的二进制数据，这就导致了解码失败。而二进制模式会直接读取原始字节流，交给PDFMiner去处理内部的编码逻辑，它能正确识别PDF里的文本编码，不会触发这个错误。

额外建议：使用PDFMiner的高级API简化代码 #

其实你可以用PDFMiner提供的extract_pages高级API，代码会简洁很多，而且也能避免这类底层的文件打开问题，比如：

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTTextBoxHorizontal

for page_layout in extract_pages("../pathto/pdffile.pdf"):
    for element in page_layout:
        if isinstance(element, LTTextBoxHorizontal):
            print(f"{element.bbox[0]:6} {element.bbox[1]:6} {element.get_text()}")

这个API会帮你处理文件打开、资源管理等底层操作，减少出错的概率。

内容的提问来源于stack exchange，提问作者Hariharan