Python 3 从网络解析 PDF答案

【问题标题】：Python 3 parse PDF from webPython 3 从网络解析 PDF
【发布时间】：2026-02-22 03:25:01
【问题描述】：

我试图从网页中获取 PDF，对其进行解析并使用 PyPDF2 将结果打印到屏幕上。我使用以下代码使其正常工作：

with open("foo.pdf", "wb") as f:
    f.write(requests.get(buildurl(jornal, date, page)).content)
pdfFileObj = open('foo.pdf', "rb")
pdf_reader = PyPDF2.PdfFileReader(pdfFileObj)
page_obj = pdf_reader.getPage(0)
print(page_obj.extractText())

编写一个文件以便我可以阅读它虽然听起来很浪费，所以我想我只是用这个来切断中间人：

pdf_reader = PyPDF2.PdfFileReader(requests.get(buildurl(jornal, date, page)).content)
page_obj = pdf_reader.getPage(0)
print(page_obj.extractText())

然而，这给我一个AttributeError: 'bytes' object has no attribute 'seek'。如何将来自requests 的 PDF 直接输入到 PyPDF2？

【问题讨论】：

标签： python pdf python-requests pypdf2

【解决方案1】：

您必须使用BytesIO 将返回的content 转换为类似文件的对象：

import io

pdf_content = io.BytesIO(requests.get(buildurl(jornal, date, page)).content)
pdf_reader = PyPDF2.PdfFileReader(pdf_content)

【讨论】：

【解决方案2】：

使用 io 来伪造文件的使用（Python 3）：

import io

output = io.BytesIO()
output.write(requests.get(buildurl(jornal, date, page)).content)
output.seek(0)
pdf_reader = PyPDF2.PdfFileReader(output)

我没有在您的上下文中进行测试，但我测试了这个简单的示例并且它有效：

import io

output = io.BytesIO()
output.write(bytes("hello world","ascii"))
output.seek(0)
print(output.read())

产量：

b'hello world'

【讨论】：