标签: pypdf

使用它时出现意外错误。第一部分来自我在网上找到的脚本，我试图用它来提取 PDF 大纲中标识的特定部分。一切正常，除了output.write(outputfile1)它说：

PdfReadError：字典中有多个定义。

还有人遇到这个吗？最后请原谅所有不必要的prints。:)

import pyPdf
import glob

class Darrell(pyPdf.PdfFileReader):

    def getDestinationPageNumbers(self):
        def _setup_outline_page_ids(outline, _result=None):
            if _result is None:
                _result = {}
            for obj in outline:
                if isinstance(obj, pyPdf.pdf.Destination):
                    _result[(id(obj), obj.title)] = obj.page.idnum
                elif isinstance(obj, list):
                    _setup_outline_page_ids(obj, _result)
            return _result

        def _setup_page_id_to_num(pages=None, _result=None, _num_pages=None):
            if _result is None:
                _result = {}
            if pages is None:
                _num_pages = []
                pages = self.trailer["/Root"].getObject()["/Pages"].getObject()
            t = pages["/Type"]
            if t == "/Pages":
                for page in pages["/Kids"]:
                    _result[page.idnum] = len(_num_pages) …

我实际上是使用pyPdf来打开,读取和写入PDF文件的内容.

为此我使用这些代码行:

from pyPdf import PdfFileWriter, PdfFileReader

pdf = PdfFileReader(file("/myPdfFile.pdf", "w+b"))
content = pdf.getPage(1).extractText()
print content

但它返回给我这个错误,我不明白为什么

File "/usr/local/lib/python2.6/dist-packages/pyPdf/pdf.py", line 374, in __init__
    self.read(stream)
File "/usr/local/lib/python2.6/dist-packages/pyPdf/pdf.py", line 702, in read
    stream.seek(-1, 2)
IOError: [Errno 22] Invalid argument

有人可以帮帮我吗？

我正在尝试将PDF的每个页面提取为字符串:

import pyPdf

pages = []
pdf = pyPdf.PdfFileReader(file('g-reg-101.pdf', 'rb'))
for i in range(0, pdf.getNumPages()):
    this_page = pdf.getPage(i).extractText() + "\n"
    this_page = " ".join(this_page.replace(u"\xa0", " ").strip().split())
    pages.append(this_page.encode("ascii", "xmlcharrefreplace"))
for page in pages:
    print '*' * 80
    print page

但是这个脚本忽略了换行符,让我看起来像乱码information concerning an individual which, because of name, identifyingnumber, mark or description(比如,这应该读identifying number,不是identifyingumber).

这是我试图解析的PDF类型的一个例子.

我想使用pypdf遍历pdf页面中的所有对象。

我还想检查对象的类型是什么，无论是文本还是图形。

代码段将提供很大的帮助。

非常感谢

我想在 pdf 的每一页上都有一个文本。这段文本是一个 html 代码，看起来<p style="color: #ff0000">blabla</p>在最终文档中显示为红色，我将其转换为 pdf（html2pdf lib），然后将它（PyPDF2 lib）合并到我的 pdf 的每一页。...但合并非常缓慢！

我的问题是：有没有比 PyPDF2 的 page.mergePage 方法更快的合并 pdf 的方法？（或者也许有更快的方法将我的文本添加到此 pdf 中？）

谢谢 ！（在 Windows 8 上使用 python 2.7.5）

嗨，我刚刚开始使用python并尝试安装一些必需的库。在OS X上使用Python 3.4.1。我已经安装了PyPDF2（假设成功），但似乎无法使用这些工具：

    sh-3.2# port select --list python
    Available versions for python:
        none
        python25-apple
        python26
        python26-apple
        python27-apple
        python34 (active)
    sh-3.2# pip install PyPDF2
    Requirement already satisfied (use --upgrade to upgrade): PyPDF2 in /opt/local/Library/Frameworks/Python.framework/Versions/3.4/lib/python3.4/site-packages
Cleaning up...
sh-3.2# 

...

import PyPDF2
Traceback (most recent call last):
  File "<pyshell#0>", line 1, in <module>
    import PyPDF2
ImportError: No module named 'PyPDF2'
>>> 

我错过了一步吗？还是py3.4.1不支持PyPDF2？

我pyPdf用来从PDF中提取文本.我希望能够知道哪个文本是粗体,以便识别粗体节标题.如何识别粗体文字？

import PyPDF2 
import glob
import os
from fpdf import FPDF
import shutil

class MyPDF(FPDF): # adding a footer, containing the page number
    def footer (self):
        self.set_y(-15)
        self.set_font("Arial", Style="I", size=8)
        pageNum = "page %s/{nb}" % self.page_no()
        self.cell(0,10, pageNum, align="C")


if __name__ == "__main__":
    os.chdir("pathtolocation/docs/") # docs location
    os.system("libreoffice --headless --invisible --convert-to pdf *") # this converts everything to pdf
    for file in glob.glob("*"):
        if file not in glob.glob("*.pdf"):
            shutil.move(file,"/newlocation") # moving files we don't need to another folder

    # adding the …

我目前正在使用 PyFPDF 生成 PDF。我还需要添加一个垂直/旋转的文本。不幸的是，据我所知，PyPDF 并不直接支持它。有适用于 PHP 的 FPDF 解决方案。

有没有办法使用 PyFPDF 或其他库从 Python 在 PDF 中插入垂直或旋转文本？

代码是

from PyPDF2 import PdfFileReader
with open('HTTP_Book.pdf','rb') as file:
    pdf=PdfFileReader(file)
    pagedd=pdf.getPage(0)
    print(pagedd.extractText())

此代码引发如下所示的错误：

TypeError: ord() expected string of length 1, but int found

我在互联网上搜索并发现了此故障排除“TypeError：ord() 预期长度为 1 的字符串，但找到了 int”， 但它没有多大帮助。我知道这个错误的背景是什么，但不确定它在这里有什么关系？

尝试更改pdf文件，它工作正常。那么有什么问题：pdf文件或PyPDF2无法处理呢？我知道根据文档，这种方法不太可靠：

这对某些 PDF 文件效果很好，但对其他文件效果不佳，具体取决于所使用的生成器

这应该如何处理？

追溯：

Traceback (most recent call last):
  File "pdf_reader.py", line 71, in <module>
    print(pagedd.extractText())
  File "C:\Users\Jeet\AppData\Local\Programs\Python\Python37\lib\site-packages\PyPDF2\pdf.py", line 2595, in ex
tractText
    content = ContentStream(content, self.pdf)
  File "C:\Users\Jeet\AppData\Local\Programs\Python\Python37\lib\site-packages\PyPDF2\pdf.py", line 2673, in __
init__
    stream = BytesIO(b_(stream.getData()))
  File "C:\Users\Jeet\AppData\Local\Programs\Python\Python37\lib\site-packages\PyPDF2\generic.py", line 841, in
 getData
    decoded._data = filters.decodeStreamData(self)
  File "C:\Users\Jeet\AppData\Local\Programs\Python\Python37\lib\site-packages\PyPDF2\filters.py", …