Python 3从Web解析PDF

Question

我试图从网页上获取PDF，进行解析，然后使用PyPDF2将结果打印到屏幕上。我使用以下代码正常工作：

with open("foo.pdf", "wb") as f:
    f.write(requests.get(buildurl(jornal, date, page)).content)
pdfFileObj = open('foo.pdf', "rb")
pdf_reader = PyPDF2.PdfFileReader(pdfFileObj)
page_obj = pdf_reader.getPage(0)
print(page_obj.extractText())

只是写一个文件，尽管听起来很浪费，但我仍然可以读取它，所以我想我会这样切掉中间人：

pdf_reader = PyPDF2.PdfFileReader(requests.get(buildurl(jornal, date, page)).content)
page_obj = pdf_reader.getPage(0)
print(page_obj.extractText())

但是，这给了我一个AttributeError: 'bytes' object has no attribute 'seek'。如何将requests直接来自PyPDF2 的PDF 送入？

Answer 1

您必须使用以下命令将返回的内容转换content为类似文件的对象BytesIO：

import io

pdf_content = io.BytesIO(requests.get(buildurl(jornal, date, page)).content)
pdf_reader = PyPDF2.PdfFileReader(pdf_content)