PyPDF2：从 zip 文件中读取 pdf答案

【问题标题】：Reading a pdf from a zipfilePyPDF2：从 zip 文件中读取 pdf
【发布时间】：2020-09-15 05:54:39
【问题描述】：

我正在尝试让 PyPDF2 读取一个简单的 zip 文件中的小型 .pdf 文件。到目前为止，这是我所得到的：

import PyPDF2,zipfile

with zipfile.ZipFile("TEST.zip") as z:
    filename = z.namelist()[0]
    a = z.filelist[0]
    b = z.open(filename)
    c = z.read(filename)
    PyPDF2.PdfFileReader(b)

错误信息：

PdfReadWarning: PdfFileReader stream/file object is not in binary mode. It may not be read correctly. [pdf.py:1079]
io.UnsupportedOperation: seek

感谢任何想法！谢谢。

【问题讨论】：

标签： python zipfile pypdf2

【解决方案1】：

该文件尚未解压，因此您无法使用open() 对其进行操作。

不过没关系，因为PdfFileReader 想要一个流；所以我们可以使用BytesIO 提供它。下面的示例获取解压缩的字节，并将它们提供给 BytesIO，后者将它们变成 PdfFileReader 的流。如果你省略了 BytesIO，你会得到：AttributeError: 'bytes' object has no attribute 'seek'。

import PyPDF2,zipfile
from io import BytesIO                             

with zipfile.ZipFile('sample.zip','r') as z: 
    filename = z.namelist()[0] 
    pdf_file = PyPDF2.PdfFileReader(BytesIO(z.read(filename)))

结果：

In [20]: pdf_file
Out[20]: <PyPDF2.pdf.PdfFileReader at 0x7f01b61db2b0>

In [21]: pdf_file.getPage(0)
Out[21]: 
{'/Type': '/Page',
 '/Parent': {'/Type': '/Pages',
  '/Count': 2,
  '/Kids': [IndirectObject(4, 0), IndirectObject(6, 0)]},
 '/Resources': {'/Font': {'/F1': {'/Type': '/Font',
    '/Subtype': '/Type1',
    '/Name': '/F1',
    '/BaseFont': '/Helvetica',
    '/Encoding': '/WinAnsiEncoding'}},
  '/ProcSet': ['/PDF', '/Text']},
 '/MediaBox': [0, 0, 612, 792],
 '/Contents': {}}

【讨论】：

@AkibRhast：谢谢。你的答案是正确的！
嗯，我也认为它是，但在我发布我的之后。看了你的，测试了你的，它奏效了。回头看看我的，意识到我没有使用 OP 显然想要的 PyPDF2。意识到我的答案在应用 PyPDF2 时会中断。因为正如你提到的，它需要一个流。因此，如果我没记错的话，您使用 BytesIo 的答案是将输出转换为流并提供给 PyPDF2，对吗？
是的，完全正确。我将在解释中更清楚地说明。谢谢！
这绝对是完美的——非常感谢！这个io.bytesio我听说过，但是没用过。
当然！任何时候你有一个字符串并且你正在使用的东西都需要一个文件。它基本上是一个类似于上面的类似文件的字符串，这里的 BytesIO 是一个类似文件的字节流。因此，例如，如果您想将字符串写入 zip 文件，您可以使用 StringIO 发送到 zipfile，而不必写入文件然后压缩它。