Python Tika 无法从 url 解析 pdf
Posted
技术标签:
【中文标题】Python Tika 无法从 url 解析 pdf【英文标题】：Python Tika cannot parse pdf from url 【发布时间】：2019-04-27 09:56:41 【问题描述】：python 用于解析在线 pdf 以备将来使用。我的代码如下。
from tika import parser
import requests
import io
url = 'https://www.whitehouse.gov/wp-content/uploads/2017/12/NSS-Final-12-18-2017-0905.pdf'
response = requests.get(url)
with io.BytesIO(response.content) as open_pdf_file:
pdfFile = parser.from_file(open_pdf_file)
print(pdfFile)
但是，它显示
AttributeError: '_io.BytesIO' 对象没有属性 'decode'
我以How can i read a PDF file from inline raw_bytes (not from file)?为例
在示例中，它使用的是 PyPDF2。但我需要使用 Tika，因为 Tika 的结果比 PyPDF2 更好。
感谢您的帮助
【问题讨论】：
【参考方案1】：为了使用 tika，您将 need to have JAVA 8 installed。您需要检索和打印 pdf 内容的代码如下：
from tika import parser
url = 'https://www.whitehouse.gov/wp-content/uploads/2017/12/NSS-Final-12-18-2017-0905.pdf'
pdfFile = parser.from_file(url)
print(pdfFile["content"])
【讨论】：
以上是关于Python Tika 无法从 url 解析 pdf的主要内容，如果未能解决你的问题，请参考以下文章