如何在线获取PDF并将其转换为Python中的字符串？

Question

我正在尝试使用请求之类的内容来在线获取PDF，然后将其转换为Python中的AA字符串。我不想最终将PDF放在硬盘中。取而代之的是，我想在线上获得a在线上，以python3中的文本/字符串进行处理。

例如，说您有一个带有内容的PDF文件：我喜欢编程。

url = 'xyzzy.org/g.pdf'
re = requests.get(url)
# do something to re and assign it to `pdf`
convert_to_string(pdf) -> "I love programming"

Answer 1

更新：阅读k j'

答案分为两个部分：

1. 通过流对象下载PDF，
2. 将内存PDF转换为字符串，

这应该可以完成工作（需要Pymupdf软件包）：

import io
import requests
import fitz

url = "http://.../sample.pdf"

response = requests.get(url)
pdf = io.BytesIO(response.content)
with fitz.open(stream=pdf) as doc:
    text = ""
    for page in doc:
        text += page.get_text()
print(text)

Answer 2

虽然上面的正确答案使用了示例的文件流。pdf

(BytesIO(response.content)
with fitz.open(stream=pdf) as doc:

仍然必须通过超级文本响应（下载）从https转移（下载），然后由fitz解码为％tmp％memoryblob.pdf（因此，下载的文件和下载的文件提取后被丢弃），

如果您只想使用OS和Poppler进行类似的操作，以便能够尝试不同的选项。序列只是为

curl -o "%tmp%\temp.pdf" RemoteURL
pdftotext [options] "%tmp%\temp.pdf" filename.txt

您提供无限的时间来重播最后一行，下次覆盖相同的％TMP％内存文件。如果将选项设置并将filename.txt更改为-您可以查看控制台输出，但是要当心非本机编码，控制台可能会出现Cruder Output，而不是在文件名。