python – pdfminer上的警告

2023年5月14日 599次阅读

我已经发现并(稍微)修改了stackoverflow中的这个脚本,以便它可以在
python 3.3上运行：

from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO

def convert_pdf(path):

    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)

    fp = open(path, 'rb')
    process_pdf(rsrcmgr, device, fp)
    fp.close()
    device.close()

    string = retstr.getvalue()
    retstr.close()
    return string


print(convert_pdf('abc.pdf'))

它工作正常,但我似乎有两个问题：

>在运行脚本时,我收到了大量警告：

警告：root：undefined：PDFCIDFont：basefont =’LKOELN Wingdings-Regular’,cidcoding =’Adobe-Identity’,139
警告：root：undefined：PDFCIDFont：basefont =’LKKPCF Wingdings2′,cidcoding =’Adobe-Identity’,132

在印刷文本中看起来像(cid：139),如何捕获此警告并用其他内容替换该文本？

>请注意,我有一个编解码器行,在原始脚本中进入TextConverter(rsrcmgr,retstr,laparams = laparams),但是我得到：

Traceback(最近一次调用最后一次)：
  文件“C：/Users/rodrigo/Desktop/csp_pdf/csp_pdf2.py”,第46行,在
    convert_pdf( ‘abc.pdf’)
  在convert_pdf中输入文件“C：/Users/rodrigo/Desktop/csp_pdf/csp_pdf2.py”,第33行
    device = TextConverter(rsrcmgr,retstr,codec =’utf-8′,laparams = laparams)
TypeError：init()得到一个意外的关键字参数’codec’

这与第一期有关吗？

谢谢！

最佳答案 不幸的是,Pdfminer3k记录到Python根记录器. PDFMiner应该正确实现日志记录恕我直言.因此无法以正常方式禁用日志记录.

logging.getLogger("pdfminer").setLevel(logging.WARNING)

坏消息！

我这样做了,它有效™：

    logging.propagate = False 
    logging.getLogger().setLevel(logging.ERROR)

它将根记录器设置为级别错误.这将停止PDFMiner警告日志记录,因为它记录到根记录器,但不记录您自己的日志记录.

我需要将传播设置为False,因为在使用PDFMiner之后,我有重复的日志记录条目.这是由根记录器引起的.

点赞