Question

我正在用Go编写一个爬虫，该爬虫对Trendmicro网站进行爬网以获取安全报告（以pdf形式），然后当它在pdf上被点击时使用wget下载pdf。之后，我使用从github（https://github.com/sajari/docconv）中找到的库将pdf转换为文本，然后将该文本打印到终端。出于某种原因，该代码对于前两个pdf来说运行良好，但是一旦到达第三个pdf，则表示未找到pdf，即使它下载的pdf相同，并且位于同一目录中。程序跟踪如下：

HTTP request sent, awaiting response... 200 OK
Length: 2268867 (2.2M) [application/pdf]
Saving to: ‘rpt-2016-annual-security-roundup-a-record-year-for-enterprise-threats.pdf’

rpt-2016-annual-sec 100%[===================>]   2.16M  1.02MB/s    in 2.1s    

2019-02-20 15:25:07 (1.02 MB/s) - ‘rpt-2016-annual-security-roundup-a-record-year-for-enterprise-threats.pdf’ saved [2268867/2268867]

2019/02/20 15:25:07 open rpt-2016-annual-security-roundup-a-record-year-for-enterprise-threats.pdf : no such file or directory
exit status 1

我比较了两个字符串，看它们是否不同，但没有不同。再说一次，前两个下载就很好。这是代码的受影响部分：

pdfName := strings.Replace(link, "https://documents.trendmicro.com/assets/rpt/", "", -1)
fmt.Printf("PDF name: %s\n", pdfName)
existingPdf := 0;
if len(pdfs) > 0 {
    for i := 0; i < len(pdfs); i++ {
        if pdfs[i] == pdfName {
            existingPdf = 1;
        }
    }
}
if existingPdf == 0 {
    pdfs = append(pdfs, pdfName)
    command := "wget " + link
    cmd := exec.Command("/bin/bash", "-c", command, ">",  "/dev/null", "2>&1")
    cmd.Stdout = os.Stdout
    cmd.Stderr = os.Stderr
    cmd.Run()
    res, err := docconv.ConvertPath(pdfName)
    if err != nil {
        log.Fatal(err)
    }
    fmt.Println(res)
}

编辑：如果您想要完整的代码和/或想要运行它，我已将其放入pastebin（https://pastebin.com/5JkJDamV）

执行-找不到文件错误，即使两个文件名完全相同？

0 个答案: