问答博客资讯标签用户活动
logo极客观点logo项目管理logoHarmonyOS
开发者社区
javascript
前端
python
node.js
react
vue.js
php
laravel
go
人工智能
mysql
linux
ios
java
android
css
typescript
spring
程序员
logoONES 研发管理logo思否企业问答logo安谋科技 XPU

在 python 中使用 PyPDF2 合并 pdf 文件时找不到 EOF 标记

社区维基
1
新手上路，请多包涵

当我使用以下代码时

from PyPDF2 import PdfFileMerger

merge = PdfFileMerger()

for newFile in nlst:
    merge.append(newFile)
merge.write("newFile.pdf")

事情发生如下：

 raise utils.PdfReadError("EOF marker not found")

PyPDF2.utils.PdfReadError: EOF marker not found

谁能告诉我发生了什么？

原文由 DBDBDDB 发布，翻译遵循 CC BY-SA 4.0 许可协议

Stack Overflow 翻译pythonpdfpypdf
阅读 2.3k
1 个回答
得票最新
社区维基
1

在使用 camelot 和 PyPDF2 遇到这个问题后，我做了一些挖掘并解决了这个问题。

End of file marker '%%EOF' 本来是最后一行，但有些PDF文件在这一行之后放了一大段javascript，读者找不到EOF。

打开 EOF 和 javascript 后的样子：

  b'>>\r\n',
 b'startxref\r\n',
 b'275824\r\n',
 b'%%EOF\r\n',
 b'\n',
 b'\n',
 b'<script type="text/javascript">\n',
 b'\twindow.parent.focus();\n',
 b'</script><!DOCTYPE html>\n',
 b'\n',
 b'\n',
 b'\n',

所以你只需要在 javascript 开始之前截断文件。

解决方案：

 def reset_eof_of_pdf_return_stream(pdf_stream_in:list):
    # find the line position of the EOF
    for i, x in enumerate(txt[::-1]):
        if b'%%EOF' in x:
            actual_line = len(pdf_stream_in)-i
            print(f'EOF found at line position {-i} = actual {actual_line}, with value {x}')
            break

    # return the list up to that point
    return pdf_stream_in[:actual_line]

# opens the file for reading
with open('data/XXX.pdf', 'rb') as p:
    txt = (p.readlines())

# get the new list terminating correctly
txtx = reset_eof_of_pdf_return_stream(txt)

# write to new pdf
with open('data/XXX_fixed.pdf', 'wb' as f:
    f.writelines(txtx)

fixed_pdf = PyPDF2.PdfFileReader('data/XXX_fixed.pdf')

原文由 glycoaddict 发布，翻译遵循 CC BY-SA 4.0 许可协议

查看全部 1 个回答
推荐问题