Python 3 从网络解析 PDF

Question

我试图从网页获取 PDF，解析它并使用 PyPDF2 将结果打印到屏幕上.我使用以下代码让它正常工作:

with open("foo.pdf", "wb") as f:
    f.write(requests.get(buildurl(jornal, date, page)).content)
pdfFileObj = open('foo.pdf', "rb")
pdf_reader = PyPDF2.PdfFileReader(pdfFileObj)
page_obj = pdf_reader.getPage(0)
print(page_obj.extractText())

写一个文件只是为了我可以阅读它虽然听起来很浪费，所以我想我应该用这个来减少中间人:

pdf_reader = PyPDF2.PdfFileReader(requests.get(buildurl(jornal, date, page)).content)
page_obj = pdf_reader.getPage(0)
print(page_obj.extractText())

然而，这会产生一个 AttributeError: 'bytes' object has no attribute 'seek'。如何将来自 requests 的 PDF 直接提供给 PyPDF2？

Answer 1

您必须使用 BytesIO 将返回的 content 转换为类似文件的对象:

import io

pdf_content = io.BytesIO(requests.get(buildurl(jornal, date, page)).content)
pdf_reader = PyPDF2.PdfFileReader(pdf_content)