使用Python3和PyPDF2解析远程pdf文件

Question

我需要解析远程pdf文件。使用 PyPDF2，可以通过

PdfReader(f)

来完成，其中 f=urllib.request.urlopen("some-url").read() 。 f 不能被 PdfReader 使用，看来 f 必须被解码。在decode()中应该使用什么参数，或者必须使用其他方法。

Answer 1

您需要使用：

f = urllib.request.urlopen("some-url").read()

在上面的行之后添加这些行：

from StringIO import StringIO

f = StringIO(f)

然后使用 PdfReader 阅读：

reader = PdfReader(f)

另请参阅：使用 pyPdf 打开 pdf url

Answer 2

可以使用BytesIO进行解码：

import urllib, PyPDF2
from io import BytesIO
f = urllib.request.urlopen("https://mypdf.pdf").read()
pdf_bytes = BytesIO(f)
pdf_reader = PyPDF2.PdfFileReader(pdf_bytes)