我的文件并转换为python列表以分别读取每个文件

Question

我正在下载多个PDF。我有一个URL列表，编写的代码用于下载它们，并全部创建一个大pdf。该代码适用于前144个pdf，然后引发此错误：

PdfReadError：找不到EOF标记

我尝试使所有pdf文件都以%% EOF结尾，但这不起作用-仍然达到同一点，然后再次出现错误。

这是我的代码：

我的文件并转换为python列表以分别读取每个文件

with open('minutelinks.txt', 'r') as file:
    data = file.read() 
links = data.split()

下载pdfs

from PyPDF2 import PdfFileMerger
import requests
urls = links 

merger = PdfFileMerger()
for url in urls:
    response = requests.get(url)
    title = url.split("/")[-1]
    with open(title, 'wb') as f:
        f.write(response.content)
        merger.append(title)

merger.write("allminues.pdf")
merger.close()

我希望能够下载所有这些文件并创建一个大pdf文件-似乎会执行该操作直到抛出此错误。我大约有750个pdf文件，但最多只能到144个。

Answer 1

这就是我更改代码的方式，因此它现在下载所有pdf，并跳过可能被修正的一个（或多个）pdf。我还必须在函数中添加self参数。

from PyPDF2 import PdfFileMerger
import requests
import sys

urls = links 

def download_pdfs(self):
    merger = PdfFileMerger()
    for url in urls:
        try:
            response = requests.get(url)
            title = url.split("/")[-1]
            with open(title, 'wb') as f:
                f.write(response.content)
        except PdfReadError:
            print(title) 
            sys.exit()
    merger.append(title)

    merger.write("allminues.pdf")
    merger.close()

Answer 2

我读到 EOF 是一种包含在 PDF 文件中的标签。 link in portuguese

但是，我猜某些类型的 PDF 文件没有“EOF 标记”，而 PyPDF2 无法识别这些文件。

因此，我为修复“PdfReadError：未找到 EOF 标记”所做的工作是使用 Google Chromer 打开我的 PDF 并再次将其打印为 .pdf，以便 Chromer 将文件转换为 .pdf，并希望使用 EOF标记。

我使用 Chromer 转换的新 .pdf 文件运行了我的脚本，并且运行良好。

Answer 3

文件结束标记 '%%EOF' 应该是最后一行。它是pdf解析器知道的一种标记，即PDF文档到此结束。

我的解决方案是强制这个标记留在最后：

def reset_eof(self, pdf_file):
    with open(pdf_file, 'rb') as p:
        txt = (p.readlines())
    for i, x in enumerate(txt[::-1]):
        if b'%%EOF' in x:
            actual_line = len(txt)-i-1
            break
    txtx = txt[:actual_line] + [b'%%EOF']
    with open(pdf_file, 'wb') as f:
        f.writelines(txtx)
    return PyPDF4.PdfFileReader(pdf_file)

不了解此PdfReadError：找不到EOF标记

我的文件并转换为python列表以分别读取每个文件

下载pdfs

3 个答案: