python - 使用 PDFMiner (Python) 处理在线 pdf 文件。对网址进行编码？

Question

我希望使用 PDFMiner 提取在线可用的 pdf 文件的内容。

我的代码基于 documentation 中可用的代码用于提取硬盘上PDF文件的内容:

# Open a PDF file.
fp = open('mypdf.pdf', 'rb')
# Create a PDF parser object associated with the file object.
parser = PDFParser(fp)
# Create a PDF document object that stores the document structure.
document = PDFDocument(parser)

做一些小改动后效果很好。

现在，我已经为在线 PDF 尝试了 urllib2.openurl，但它不起作用。我收到一条错误消息:强制转换为 Unicode:需要字符串或缓冲区，已找到实例。

我怎样才能从 urllib2.openurl 得到一个字符串(或其他什么)，这样当我给它一个 PDF 文件名时，它与 open 函数的内容相同(相对于 URL)`?

如果我的问题不清楚，请告诉我。

Answer 1

好吧，我终于找到了解决办法，

我求助于 Request 和 StringIO 并摆脱了 open('my_file', 'rd') 命令

from urllib2 import Request
from StringIO import StringIO

url = 'my_url'

open = urllib2.urlopen(Request(url)).read()
memoryFile = StringIO(open)

parser = PDFParser(memoryFile)

这样 Python 就会将 url 视为一个文件(这么说)。