Question

我已经成功安装了pyPDF，但是extractText方法效果不好，所以我决定尝试pyPDF2，问题是，当提取文本时有一个例外：

Traceback (most recent call last):
  File "C:\Users\Asus\Desktop\pfdtest.py", line 44, in <module>
    test2()
  File "C:\Users\Asus\Desktop\pfdtest.py", line 41, in test2
    print(mypdf.getPage(0).extractText())
  File "C:\Python32\lib\site-packages\PyPDF2\pdf.py", line 1701, in extractText
    content = ContentStream(content, self.pdf)
  File "C:\Python32\lib\site-packages\PyPDF2\pdf.py", line 1783, in __init__
    stream = StringIO(stream.getData())
TypeError: initial_value must be str or None, not bytes

这是我的示例代码：

filename = "myfile.pdf"
f = open(filename,'rb')
mypdf = PdfFileReader(f)
print(f,mypdf,mypdf.getNumPages())
print(mypdf.getPage(0).extractText())

它正确地确定了pdf中的页面数量，但是在读取流时遇到了问题。

Answer 1

这是与PyPDF2和Python 3中的兼容性相关的问题。

在我的情况下，我已经通过将pdf.py和utils.py替换为您将找到的here来解决它，在那里他们基本上控制您是否正在运行Python 3，以防万一你是，以字节而不是字符串接收数据。

尝试提取文本时pyPDF2 TypeError

1 个答案: