当我从本地计算机更改为虚拟主机时，从 python 脚本调用 pdftotext 不起作用

Question

我编写了一个小的 python 脚本来解析/提取 PDF 中的信息。我在本地机器上测试了它，我有 python 2.6.2 和 pdftotext 版本 0.12.4。

我正在尝试在我的虚拟主机服务器（dreamhost）上运行它。它有 python 版本 2.5.2 和 pdftotext 版本 3.02。

但是当我尝试运行脚本时，我在 pdftotext 行出现以下错误（我也使用简单的废弃脚本对其进行了检查）“错误：无法打开文件'-'”

def ConvertPDFToText(currentPDF):
    pdfData = currentPDF.read()

    tf = os.tmpfile()
    tf.write(pdfData)
    tf.seek(0)

    if (len(pdfData) > 0) :
        out, err = subprocess.Popen(["pdftotext", "-layout", "-", "-"], stdin = tf, stdout=subprocess.PIPE ).communicate()
        return out
    else :
        return None

请注意，我通过了此函数同一个 PDF 文件，并且它确实可以访问它。在另一个功能中，我可以通过在网络主机上运行的同一脚本通过电子邮件给自己发送 PDF 文档。

我做错了什么？我的本地版本和网络主机版本之间的 subprocess/python/pdftext 使用可能存在什么差异？我猜我将不得不修改该命令，因此任何帮助将不胜感激。

提前致谢。

Answer 1

答案的提示就在 Noufal 的评论中，即使用文件名。但 os.tmpfile() 没有文件名。我不得不使用另一个模块。修改后的代码如下。

#import tempfile
def ConvertPDFToText(currentPDF):
    pdfData = currentPDF.read()

    tf = tempfile.NamedTemporaryFile()
    tf.write(pdfData)
    tf.seek(0)

    outputTf = tempfile.NamedTemporaryFile()

    if (len(pdfData) > 0) :
        out, err = subprocess.Popen(["pdftotext", "-layout", tf.name, outputTf.name ]).communicate()
        return outputTf.read()
    else :
        return None

我不确定如何给努法尔的评论给出这个答案的要点。也许他可以剪切并粘贴这个答案？

Answer 2

pdftotext 可以直接在网络主机上从命令行读取吗？你能验证一下吗？另外，为什么不将临时文件的名称作为参数传递，而不是在标准输入上给出它？ （根据您的建议重新粘贴到此处）。

Answer 3

如果您有服务器的 shell 访问权限，请尝试在没有 Python 的情况下运行：

# pdftotext -layout - -

并且：

# pdftotext -layout

某些版本的 pdftotext 可能会使用 stdi/stdout，然后在命令行中不使用任何文件运行。尝试

    out, err = subprocess.Popen(["pdftotext", "-layout"], stdin = tf, stdout=subprocess.PIPE ).communicate()

或按照 Noufal Ibrahim 的建议使用临时文件。