使用 Python 和 PyPDF2 合并 PDF 文件会引发 TypeError

Question

我正在使用Python 3.6.5将 PDF 合并在一起，但遇到了问题。 下面的代码抛出'TypeError: 'NumberObject' object is not subscriptable'错误。 我做错了什么？ 当我用merger.append该merger.append ，它会正确打印出文件路径。

import webbrowser
import os
from PyPDF2 import PdfFileMerger, PdfFileReader

path = 'C:/test/pdfs'
merger = PdfFileMerger()
for pdf in os.listdir(path):
      merger.append(PdfFileReader(open(os.path.join(path,pdf), 'rb')))
      print(os.path.join(path,pdf))
merger.write(path+'/merged.pdf')
merger.close()
webbrowser.open_new(path+'/merged.pdf')

文件“C:\\test\\pdftest.py”，第 9 行，在 merge.append(PdfFileReader(open(os.path.join(path,pdf), 'rb'))) 文件“C:\\python\\lib\\ site-packages\\pypdf2-1.26.0-py3.6.egg\\PyPDF2\\pdf.py", line 1084, in init self.read(stream) File "C:\\python\\lib\\site-packages\\pypdf2-1.26 .0-py3.6.egg\\PyPDF2\\pdf.py", line 1805, in read assert xrefstream["/Type"] == "/XRef" TypeError: 'NumberObject' object is not subscriptable

当我更改 merge.append 以采用文件路径时，我得到：

文件“C:\\test\\pdftest.py”，第 9 行，在 merge.append(os.path.join(path,pdf)) 文件“C:\\python\\lib\\site-packages\\pypdf2-1.26.0- py3.6.egg\\PyPDF2\\merger.py”，第 203 行，附加 self.merge(len(self.pages), fileobj, bookmark, pages, import_bookmarks) 文件“C:\\python\\lib\\site-packages\\ pypdf2-1.26.0-py3.6.egg\\PyPDF2\\merger.py”，第 133 行，合并 pdfr = PdfFileReader(fileobj, strict=self.strict) 文件“C:\\python\\lib\\site-packages\\pypdf2 -1.26.0-py3.6.egg\\PyPDF2\\pdf.py", line 1084, in init self.read(stream) File "C:\\python\\lib\\site-packages\\pypdf2-1.26.0-py3. 6.egg\\PyPDF2\\pdf.py", line 1805, in read assert xrefstream["/Type"] == "/XRef" TypeError: 'NumberObject' object is not subscriptable

更新：看起来文件夹中的其中一个 PDF 是导致此问题的原因。 与该 PDF 唯一不同的是它使用 Type 1 字体，而其他 PDF 使用 TrueType 字体。 有谁知道解决方法或解决这个问题？

Answer 1

这似乎是由无法识别或错误的 PDF 格式引起的。 我不是 PDF 专家，但 PyPDF2 似乎在抱怨外部参照表中的记录。 我发现解决这个问题的最简单方法是重新格式化 PDF。

我所做的是try将merger.append(PDFFileReader(file))放入try ，如果我发现'NumberObject' object is not subscriptable在异常中'NumberObject' object is not subscriptable消息，我将通过子'NumberObject' object is not subscriptable在无头模式下使用 LibreOffice“转换”PDF：

command = [r'"C:\Program Files\LibreOffice\program\soffice.bin"',
           '--convert-to', 'pdf', '--outdir', f'"{dest_file_path}"', f'"{file_name}"']
pdf_convert = subprocess.Popen(' '.join(command)) 

关于使用 LibreOffice 和子进程的说明：无论出于何种原因，我发现作为列表传递会导致我在 Windows 中出现访问被拒绝错误，这就是为什么我改为进行join 。