Python'da bu iletinin altındaki kodla birlikte bir pdf'deki metni okumak için pdfminer kullanıyorum. Ben buna (veya "okuma korumalı") sabitlenir çıkıyor Acrobat Pro ile bu pdf açtığınızdaPython'da "güvenli" (okuma korumalı) PDF nasıl açılır?
File "/usr/local/lib/python2.7/dist-packages/pdfminer/pdfpage.py", line 124, in get_pages
raise PDFTextExtractionNotAllowed('Text extraction is not allowed: %r' % fp)
PDFTextExtractionNotAllowed: Text extraction is not allowed: <cStringIO.StringO object at 0x7f79137a1
ab0>
: Şimdi belirten bir hata mesajı alıyorum. Ancak this link, ben örneğin pdfunlock.com. pdfminer kaynağı haline dalış, ben hata yukarıdaki these lines oluşturulur görüyoruz.
if check_extractable and not doc.is_extractable:
raise PDFTextExtractionNotAllowed('Text extraction is not allowed: %r' % fp)
Bu okuma korumasını bir saniye içinde devre dışı bırakabilecek çok sayıda hizmet olduğu için, bunun gerçekten çok kolay olduğunu varsayıyorum. .is_extractable, doc'un basit bir özelliği gibi görünüyor, ancak sanırım bu kadar basit değil .is_extractable değerini doğru olarak değiştirin.
Okuma proksisini nasıl devre dışı bırakabileceğimi bilen var mı? Python kullanarak bir pdf üzerinde tection? Tüm ipuçları bekliyoruz!
================================= ==
Aşağıda, okunmakta olan korumalı metinleri ayıkladığım kodu bulacaksınız.
def getTextFromPDF(rawFile):
resourceManager = PDFResourceManager(caching=True)
outfp = StringIO()
device = TextConverter(resourceManager, outfp, codec='utf-8', laparams=LAParams(), imagewriter=None)
interpreter = PDFPageInterpreter(resourceManager, device)
fileData = StringIO()
fileData.write(rawFile)
for page in PDFPage.get_pages(fileData, set(), maxpages=0, caching=True, check_extractable=True):
interpreter.process_page(page)
fileData.close()
device.close()
result = outfp.getvalue()
outfp.close()
return result
.is_extractable öğesini True olarak değiştirmeyi denediniz mi? Aslında işe yarayacak makul bir şans var. – user3757614