Question

我正在研究scrapy spider，尝试使用slate（https://pypi.python.org/pypi/slate）在目录中提取多个pdf文本。我没有兴趣将实际的PDF保存到磁盘，因此我建议我在https://docs.python.org/2/library/io.html#buffered-streams查看io.bytesIO子类。基于Creating bytesIO object，我已经用pdf体初始化了bytesIO类，但现在我需要将数据传递给slate模块。到目前为止，我有：

def save_pdf(self, response):
    in_memory_pdf = BytesIO(response.body)

    with open(in_memory_pdf, 'rb') as f:
        doc = slate.PDF(f)
        print(doc[0])

我得到了：

in_memory_pdf.read(response.body)
TypeError: integer argument expected, got 'str'

我怎样才能使这个工作？

编辑：

with open(in_memory_pdf, 'rb') as f:
TypeError: coercing to Unicode: need string or buffer, _io.BytesIO found

编辑2：

def save_pdf(self, response):
    in_memory_pdf = BytesIO(bytes(response.body))
    in_memory_pdf.seek(0)
    doc = slate.PDF(in_memory_pdf)
    print(doc)

Answer 1

你已经知道了答案。它在Python TypeError消息中清楚地提到并从文档中清楚：

class io.BytesIO([initial_bytes])

BytesIO接受字节。而你传递的内容。即：response.body是一个字符串。

创建后访问bytesIO对象

1 个答案: