【发布时间】：2017-12-16 22:05:00
【问题描述】：
当您在浏览器中检查 pdf 查看器页面时，会有一个 html 结构，但是 urllib2 和 requests 都没有返回任何内容，并且 BS4 进入无限循环。
我只想要页面的标题（在头部）。
示例页面： http://victoria.lviv.ua/html/fl5/NaturalLanguageProcessingWithPython.pdf
【问题讨论】：
标签： html pdf web-scraping
【发布时间】：2017-12-16 22:05:00
【问题描述】：
如果你使用 Mozilla 的 pdf.js，你应该可以做到这一点via the PDF.js API, as detailed in this Issue.
pdf.info.get('Title')
或
new Metadata(pdf.catalog.metadata)
metadata.get('dc:title')
【讨论】：
-
我目前正在使用python。希望从 head 标签中获得标题，但我似乎无法获得 html 结构。我对 PDF.js 不熟悉。