使用 PDFMiner (Python) 处理在线 pdf 文件。编码网址？答案

【问题标题】：Using PDFMiner (Python) with online pdf files. Encode the url?使用 PDFMiner (Python) 处理在线 pdf 文件。编码网址？
【发布时间】：2014-04-21 04:08:12
【问题描述】：

我希望使用PDFMiner提取在线可用的pdf文件的内容。

我的代码是基于documentation中可用的代码，用于提取硬盘上PDF文件的内容：

# Open a PDF file.
fp = open('mypdf.pdf', 'rb')
# Create a PDF parser object associated with the file object.
parser = PDFParser(fp)
# Create a PDF document object that stores the document structure.
document = PDFDocument(parser)

稍作改动后效果很好。

现在，我尝试使用urllib2.openurl 获取在线 PDF，但这不起作用。我收到一条错误消息：coercing to Unicode: need string or buffer, instance found。

如何从urllib2.openurl 获取字符串（或其他任何内容），以便在我给它一个 PDF 文件名（而不是 URL）时它与 open 函数相同？

如果我的问题不清楚，请告诉我。

【问题讨论】：

标签： python pdf urllib2 fetch urllib

【解决方案1】：

嗯，我终于找到了解决办法，

我求助于Request 和StringIO 并摆脱了open('my_file', 'rd') 命令

from urllib2 import Request
from StringIO import StringIO

url = 'my_url'

open = urllib2.urlopen(Request(url)).read()
memoryFile = StringIO(open)

parser = PDFParser(memoryFile)

这样 Python 将 url 视为一个文件（这么说）。

【讨论】：