如何直接从 github 读取 pdf 文件（无需从 github 下载或获取）？答案

【问题标题】：How to read pdf file directly from github (without downloading or fetching it from github)?如何直接从 github 读取 pdf 文件（无需从 github 下载或获取）？
【发布时间】：2019-12-20 08:31:16
【问题描述】：

我知道我们可以从 pdf 文件中提取文本。

例如，

import pandas as pd
import PyPDF2

# =============================================================================
# Extracting from pdf files
# =============================================================================
pdfFileObj = open(r'C:\Users\User\Documents\Sentiment_Analysis\Urea Weekly Report 01-07-2016.pdf', 'rb')

pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
totalpage = pdfReader.numPages

pg = [''] * (totalpage-2-2)
for i in [x for x in range(2,totalpage-2) if x != 7]:
    pageObj = pdfReader.getPage(i)
    pg[i-2] = pageObj.extractText().replace("\n","").lower()

我该如何做类似的事情，但现在 pdf 文件驻留在 github 中？

我知道我们可以使用 excel 文件（无需下载）来做到这一点

import pandas as pd
meg = pd.read_csv('https://raw.githubusercontent.com/James-smarttradz/arimax/master/MEG_marketprice_ICIS.csv')

例如，我的文件位于 https://github.com/James-smarttradz/sentiment/blob/master/Urea%20Weekly%20Report%2001-07-2016.pdf

【问题讨论】：

你看过像requests 这样的库来获取文件吗？
嗨 Oliver，我知道我可以获取或下载文件并完成上述操作，我想知道我是否可以直接对 pdf 文件执行操作，而无需像类似的那样获取或下载它上面的excel代码。

标签： python pdf github pypdf2

【解决方案1】：

您可以先下载此 pdf 文件：

 import wget
    url = "https://github.com/James-smarttradz/sentiment/blob/master/Urea%20Weekly%20Report%2001-07-2016.pdf"
    wget.download(url, 'C:\Users\User\Documents\Sentiment_Analysis\Urea Weekly Report 01-07-2016.pdf')

然后继续你之前的代码进行必要的操作

【讨论】：

谢谢Ahmed，我知道我可以下载文件并完成上面的操作，我想知道我是否可以直接在github上的pdf文件上执行操作，而无需像代码那样获取或下载它对于上面的excel。