使用 pdf2image 包的 convert_from_path() 函數時出現 FileNotFoundError

Question

我正在嘗試使用 Python 的庫pdf2image將我的 pdf 文件轉換為 png 文件。 我使用以下代碼來轉換我的 pdf 文件。

from pdf2image import convert_from_path, convert_from_bytes
pdf_file_path = './samples/my_pdf.pdf'
images = convert_from_path(pdf_file_path)

我想這樣做是為了以后使用pytesseract將我的 pdf 文件轉換為字符串文本。

即使文件在正確的路徑中，我不斷遇到的問題是以下 FileNotFound 錯誤。 誰能幫我弄清楚我做錯了什么？

---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
<ipython-input-9-0b7f9e29e79a> in <module>()
      1 from pdf2image import convert_from_path, convert_from_bytes
      2 pdf_file_path = './samples/my_pdf.pdf'
----> 3 images = convert_from_path(pdf_file_path)

C:\Users\hamza.ameur\AppData\Local\Continuum\anaconda3\lib\site-packages\pdf2image\pdf2image.py in convert_from_path(pdf_path, dpi, output_folder, first_page, last_page, fmt)
     22     uid, args, parse_buffer_func = __build_command(['pdftoppm', '-r', str(dpi), pdf_path], output_folder, first_page, last_page, fmt)
     23 
---> 24     proc = Popen(args, stdout=PIPE, stderr=PIPE)
     25 
     26     data, err = proc.communicate()

C:\Users\hamza.ameur\AppData\Local\Continuum\anaconda3\lib\subprocess.py in __init__(self, args, bufsize, executable, stdin, stdout, stderr, preexec_fn, close_fds, shell, cwd, env, universal_newlines, startupinfo, creationflags, restore_signals, start_new_session, pass_fds, encoding, errors)
    707                                 c2pread, c2pwrite,
    708                                 errread, errwrite,
--> 709                                 restore_signals, start_new_session)
    710         except:
    711             # Cleanup if the child failed starting.

C:\Users\hamza.ameur\AppData\Local\Continuum\anaconda3\lib\subprocess.py in _execute_child(self, args, executable, preexec_fn, close_fds, pass_fds, cwd, env, startupinfo, creationflags, shell, p2cread, p2cwrite, c2pread, c2pwrite, errread, errwrite, unused_restore_signals, unused_start_new_session)
    995                                          env,
    996                                          os.fspath(cwd) if cwd is not None else None,
--> 997                                          startupinfo)
    998             finally:
    999                 # Child is launched. Close the parent's copy of those pipe

FileNotFoundError: [WinError 2] The system cannot find the file specified

Answer 1

抱歉回復晚了。

原因

挖掘到的源代碼之后pdf2image ，所述錯誤是由引起pdfinfo ，這是Unix和Linux基本命令，內側pdf2image包。 因此，當您在缺少pdfinfo命令的 windows 上使用此包時，會導致上述錯誤。

來自pdf2image代碼：

#inside __page_count() function
    ...
    else:
        proc = Popen(["pdfinfo", pdf_path], stdout=PIPE, stderr=PIPE)
    ...

從上面的代碼可以看出，它調用了pdfinfo一個子pdfinfo來獲取pdf文件的頁數。

解決方案

從以下網址下載窗口版 poppler 工具： http : //blog.alivate.com.au/poppler-windows/

解壓縮並將 bin 的位置（如 C:\\somepath\\poppler-0.67.0_x86\\poppler-0.67.0\\bin）添加到您的環境路徑中。

如果您正在打開，請重新啟動您的 CMD 和 python virtualenv

Answer 2

嘗試使用完整路徑。

例如：

import os
basePath = os.path.dirname(os.path.realpath(__file__))
pdf_file_path = os.path.join(basePath, "samples/my_pdf.pdf")
images = convert_from_path(pdf_file_path)

Answer 3

如果您使用 Google colab

首先使用以下命令運行單元格：

!apt-get install poppler-utils 

這是一個完整的示例筆記本，安裝 deps，下載示例 PDF，然后使用 pdf2image 將其轉換為圖像以進行顯示。

https://colab.research.google.com/drive/10doc9xwhFDpDGNferehBzkQ6M0Un-tYq

Answer 4

我在運行 Python 2 時遇到了這個問題。

再次查看后，pypi 頁面明確指出該代碼與 Python 2 不兼容。