使用 pdfplumber 和 Paramiko 从 SFTP 服务器读取 PDF 文件答案

【问题标题】：Use pdfplumber and Paramiko to read a PDF file from an SFTP server使用 pdfplumber 和 Paramiko 从 SFTP 服务器读取 PDF 文件
【发布时间】：2023-09-12 23:58:01
【问题描述】：

我与 SFTP 服务器有直接连接 - 连接没有任何问题，我可以显示所选目录中的文件而没有任何重大问题。服务器上有不同的文件，我有几个函数可以读取它们，下面是一段关于.pdf文件的代码——我使用pdfplumber读取PDF文件：

# SSH.connect configuration

sftp = ssh.open_sftp()

path = "/server_path/.."
for filename in sftp.listdir(path):
    fullpath = path + "/" + filename
    if filename.endswith('.pdf'):
        #fullpath - full server path with filename - like /server_path/../file.pdf
        #filename - filename without path - like file.pdf
        with sftp.open(fullpath, 'rb') as fl:
            pdf = pdfplumber.open(fl)

在这个for 循环中，我想读取所选目录中的所有.pdf 文件 - 它在本地主机上对我有效。

我试图以这种方式解决它with sftp.open(path, 'rb') as fl: - 但在这种情况下，这个解决方案不起作用并且出现这样的错误代码：

Traceback (most recent call last):
pdf = pdfplumber.open(fl)
return cls(open(path, "rb"), **kwargs)
TypeError: expected str, bytes or os.PathLike object, not SFTPFile

pdfplumber.open 将文件的确切路径及其名称作为参数——在本例中为完整路径。我怎样才能解决这个问题，以便它直接从服务器工作？在这种情况下如何管理内存——因为我知道这些文件以某种方式被拉入内存。请给我一些提示。

【问题讨论】：

标签： python sftp paramiko

【解决方案1】：

Paramiko SFTPClient.open 返回一个类似文件的对象。

要使用pftplumber的类文件对象，看来可以使用load function：

pdf = pdfplumber.load(fl)

您还想阅读以下内容：
Reading file opened with Python Paramiko SFTPClient.open method is slow

由于 Paramiko 类文件对象在与 pftplumber.load 函数结合使用时似乎效果不佳，作为一种解决方法，您可以将文件下载到内存中：

flo = BytesIO()
sftp.getfo(fullpath, flo)
flo.seek(0)
pdfplumber.load(flo)

见How to use Paramiko getfo to download file from SFTP server to memory to process it

【讨论】：