使用Python提取PDF版本时遇UnicodeDecodeError错误求助

• 错误原因：你调用decode()时默认使用UTF-8编码，但PDF文件流里可能包含非UTF-8字节（比如报错里的0xe2），导致解码失败。其实PDF的版本标识行是ASCII兼容的，用单字节编码（比如Latin-1）就能正确解析，不会出现解码错误。

• 修改原代码的解决办法：把decode()指定为decode('latin-1')，代码如下：

from PyPDF2 import PdfReader
doc = PdfReader(filepath)
doc.stream.seek(0) # 重置流到文件开头
print(doc.stream.readline().decode('latin-1'))

• 更靠谱的替代方案：不用PyPDF2，直接读取文件开头内容。毕竟PDF版本就在首行，这种方式更直接且不容易出问题：

with open(filepath, 'rb') as pdf_file:
    first_line = pdf_file.readline().decode('latin-1').strip()
    if first_line.startswith('%PDF-'):
        print(first_line)

内容的提问来源于stack exchange，提问作者Neil