我有一个数据库，其中的一列是BLOB数据类型（“ STOREDFILEBLOB”）。当我使用TOAD（Oracle）查询数据库时，数据如下所示：
DOC VERK FILENAME STOREDFILEBLOB
434 2343 sow2.rtf (HUGEBLOB)
342 352 soodata.doc (HUGEBLOB)
123 456 wan_tech.doc (HUGEBLOB)
BLOB保存“文件名”列中引用的文档。我需要将人类可读形式的BLOB摄取到python中；理想情况下，我希望它是包含“ FILENAME”文档内容的长字符串。我将使用BLOB中的信息使用机器学习对文本进行一些分类。我正在使用以下内容从数据库中进行读取。问题在于，一旦将数据导入python，该列不再是BLOB，而是一个对象。
conn = pyodbc.connect(conn_str)
query = '''
select dockey,verkey,filename,storedfileblob
from supportdoc
where upper(filename) like '%SOO%' or upper(filename) like '%SOW%'
fetch first 15 rows only;
'''
test = pd.read_sql(query,conn)
print(test)
DOC VERK FILENAME STOREDFILEBLOB
434 2343 sow2.rtf b'\xa0\xa0\xa0\xa0\xfc\x0e\x00\x00\xff{\\rtf1\...
342 352 soo_data.doc b'\xa0\xa0\xa0\xa0\xd3&\x00\x00\xff\xd0\xcf\x1...
123 456 wan_tech_sow.doc b'\xa0\xa0\xa0\xa0\x8a\x19\x00\x00\xff\xd0\xcf...
test.dtypes
DOC float64
VERK float64
FILENAME object
STOREDFILEBLOB object
dtype: object
我尝试使用此sql在数据库中进行转换：
select DOC, VERK, FILENAME, UTL_RAW.CAST_TO_VARCHAR2(DBMS_LOB.substr(storedfileblob, 400,1))
from supportdoc
where upper(filename) like '%SOO%' or upper(filename) like '%SOW%'
但是我得到了这个荒谬的输出。
DOC VERK FILENAME UTL_RAW.CAST_TO_VARCHAR2(DBMS_LOB.SUBSTR(
6908 8761 SOW (9503581Q0003).rtf ü
9535 8890 Dataequip SOW9706000Q0008.doc j
9553 8891 9602001Q0002WritingSOW.doc T
方法2：
我决定退后一步，尝试首先将解码的.pdf文件以人类可读的形式获取。我将查询更新为仅产生.pdf类型的文件，而不使用pyodbc，而是使用cx_Oracle，因为其他所有人都在使用该文件。
新代码：
query = '''
select doc,verk,filename,storedfileblob
from supportdoc
where (upper(filename) like '%SOO%' or upper(filename) like '%SOW%' or upper(filename) like '%PWS%')
and (substr(upper(filename),-3) like '%PDF%')
fetch first 15 rows only
'''
dsn = cx_Oracle.makedsn(host, port, sid)
orcl = cx_Oracle.connect(username+'/'+password+'@'+dsn)
curs = orcl.cursor()
curs.execute(query)
rows = curs.fetchall()
for row in rows:
filename = 'F:/Users/Acme'+'/contract_blob/'+str(row[0])+'_'+str(row[1])+'_dockey_verkey.pdf'
f = codecs.open(filename, encoding='utf-16', mode='wb+')
f.write(row[3].read())
f.close()
上面的代码产生：
TypeError: utf_16_encode() argument 1 must be str, not bytes
我随机选择了utf-16进行编码。我做了一些研究，而pdf往往是utf-16（至少我从阅读的书中了解到）。我只是在抓稻草。
最终，我的目标是相同的。我需要从数据库中检索BLOB，然后对BLOB进行解码并获得人类可读的文档。我从pdf文件开始。还有.doc，.png。和.zip类型的BLOB文件。我希望一旦我完善了.pdf的方法，便可以更轻松地处理.doc BLOB。我可能会忽略.png和.zip文件。任何帮助表示赞赏。