堆栈内存溢出
  繁体   English   中英

在 python 中使用 PyPDF2 合并 pdf 文件时找不到 EOF 标记

[英]EOF marker not found while use PyPDF2 merge pdf file in python

 原文  2017-07-29 14:50:31  6   7    python/ pdf/ pypdf

问题描述

当我使用以下代码时

from PyPDF2 import PdfFileMerger

merge = PdfFileMerger()

for newFile in nlst:
    merge.append(newFile)
merge.write("newFile.pdf")

事情发生如下：

raise utils.PdfReadError("EOF marker not found")

PyPDF2.utils.PdfReadError: EOF marker not found

谁能告诉我发生了什么？

7 个解决方案

解决方案1
 6  2017-07-31 11:53:41

PDF 是一种文件格式，pdf 解析器通常通过读取位于文件末尾的一些全局信息来开始读取文件。 在文件的最后，需要有一行内容

%%EOF

这是一个标记，pdf 解析器知道 PDF 文档在此处结束，并且它需要的全局信息应该在此之前（一个 startxref 部分）。

我猜，您看到的错误消息意味着其中一个输入文档已被截断并且缺少此 %%EOF 标记。

解决方案2
 6  2021-02-05 06:11:43

使用camelot和PyPDF2遇到这个问题后，我做了一些挖掘并解决了这个问题。

文件标记'%%EOF'的结尾应该是最后一行，但是一些 PDF 文件在这一行之后放置了大量的 javascript，读者无法找到 EOF。

如果您打开它，EOF 加上 javascript 的外观说明：

 b'>>\r\n',
 b'startxref\r\n',
 b'275824\r\n',
 b'%%EOF\r\n',
 b'\n',
 b'\n',
 b'<script type="text/javascript">\n',
 b'\twindow.parent.focus();\n',
 b'</script><!DOCTYPE html>\n',
 b'\n',
 b'\n',
 b'\n',

所以你只需要在 javascript 开始之前截断文件。

解决方案：

def reset_eof_of_pdf_return_stream(pdf_stream_in:list):
    # find the line position of the EOF
    for i, x in enumerate(txt[::-1]):
        if b'%%EOF' in x:
            actual_line = len(pdf_stream_in)-i
            print(f'EOF found at line position {-i} = actual {actual_line}, with value {x}')
            break

    # return the list up to that point
    return pdf_stream_in[:actual_line]

# opens the file for reading
with open('data/XXX.pdf', 'rb') as p:
    txt = (p.readlines())

# get the new list terminating correctly
txtx = reset_eof_of_pdf_return_stream(txt)

# write to new pdf
with open('data/XXX_fixed.pdf', 'wb' as f:
    f.writelines(txtx)

fixed_pdf = PyPDF2.PdfFileReader('data/XXX_fixed.pdf')

解决方案3
 2  2020-03-27 02:07:26

此问题的一个简单解决方案（未找到 EOF 标记）。 在其他应用程序中打开您的.pdf文件（我在 Ubuntu 18.04 中使用了 Libre office draw）。 然后将文件导出为.pdf 。 使用这个导出的.pdf文件，问题不会持续存在。

解决方案4
 0  2019-06-30 12:59:41

我也遇到了这个问题并找到了解决方案。

首先，python 将 PDF 读取为'rb'或'wb'作为二进制读写格式。

文件结束

当一行的某处有一个左括号，但没有匹配的右括号时发生。 Python 在查找右括号时到达了文件的末尾。

这是1解决方案：

  1. 使用此命令关闭您之前打开的文件

    newfile.close()

  2. 检查该pdf是否使用其他变量打开并再次关闭它

    Same_file_with_another_variable.close()

现在只需打开一次并使用它，您就可以开始使用了。

解决方案5
 0  2019-11-19 05:47:47

PdfReadError
在----> 1中read_pdf = PyPDF2.PdfFileReader（pdf_file）

PdfReadError：找不到EOF标记

解决方案6
 0  2022-06-12 17:38:25

我想为这个问题添加我的 hacky 解决方案。

我对 python 请求（应用程序/pdf）有同样的错误。 在我的情况下，提供商（运输标签服务）确实提供了一个 200 和一个代表 PDF 的 b'string，但在某些随机情况下，它错过了 EOF 标记。

因为它是随机的，所以我想出了以下解决方案：

for obj in label_objects:
    get_label = api.get_label(label_id=obj.label_id)
    while not 'EOF' in str(get_label.content):
        get_label = api.get_label(label_id=obj.label_id)

在几次尝试中，它给出了带有 EOF 的 b'string，我们很高兴继续。

解决方案7
 0  2022-12-24 11:36:55

PyPDF2 无法在加密的 PDF 中找到 EOF 标记。

我在处理（优秀的）Automate The Boring Stuff 时遇到了同样的错误。 第 15 章，第 2 版，第 355 页，项目 Combining Select Pages from Many PDFs。

我选择将我在本章中制作的所有 PDF 合并到一个文档中，其中一个是加密的 PDF，当它到达加密文档的末尾时项目失败并显示错误消息：

PyPDF2.utils.PdfReadError：找不到 EOF 标记

我将加密文件移动到另一个文件夹（因此它不会与其他 pdf 合并并且项目运行良好。

因此，PyPDF2 似乎无法在加密的 PDF 中找到 EOF 标记。

解决方案8
 0  2022-12-27 20:45:08

我有同样的问题。 对我来说，解决方案是在再次使用之前关闭之前打开的文件。

暂无
暂无

声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

相关问题 未找到 EOF 标记 - 如何在 PyPDF 和 PyPDF2 中修复？ 使用 python PyPDF2 合并 PDF 文件 读取 PDF 文件 python - pypdf2 时出现断言错误 保存使用 PyPDF2 生成的 pdf 文件时 python 中的断言错误 在将 pdf 与 PyPDF2 合并时添加页码 解决“找不到EOF市场错误” PyPDF2 python pdf（PyPDF2模块）-如何拆分/合并？ Python - 使用 PyPDF2 合并具有相同前缀的 PDF 文件 使用python中的pyPDF2模块递归合并子文件夹中的pdf Python - PyPdf2 合并不保持 PDF 大小
相关标签
 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM