GridFs改为PDF
GridFs改为PDF
提问于 2022-05-02 21:47:21
我正试图建立一个金融仪表板与瓶和pymongo。起点是将数据保存在MongoDB数据库中的烧瓶表单。表单中的一个字段是FileField (Wtform)，它允许上传PDF，然后用GridFS存储在MongoDB中。现在，我设法保存了pdf，我可以在.files和.chunks集合中看到结果条目。现在我想构建一个函数来检索PDF并使用一些基本的NLP来分析它们，但是我很难获得有意义的数据。
当我这么做时：
storage = gridfs.GridFS(db, collection)
data = storage.get('some id')
a = data.read()结果是一个二进制文件。如果我继续：
with open(data, 'rb') as f:
b = f.read()结果是"ValueError: embedded null字节“，或者有时是空的”字节字符串“。
在这方面有什么帮助吗？
回答 1
Stack Overflow用户
发布于 2022-05-04 13:37:09
为了跟进上面的内容，我为自己找到了一个解决方案，由两个独立的函数组成：
(1)在上传表单后，在将文件上传到MongoDB之前，我应用了一个基于pdfminer的函数，该函数提取PDF的字符串内容，并使用NLTK将其转换为句子列表。然后，当我想在文件上运行NLP操作时，我将通过.files将这个列表存储在storage.put(file, sent_list = sent_list) #sent_list being the variable name of the list of sentences.中，我只需要从mongodb调用"sent_list“变量。
(2)如果我想在其原始内容中显示所储存的pdf，我会加入以下功能，作为另一条路线。
storage = GridFS(db, collection)
data = storage.get_last_version(filename)
response = make_response(data.read())
extension = data.filename.split('.')[-1]
response.headers['Content-Type'] = f'application/{extension}'
response.headers['Content-Disposition'] = f'inline; filename={data.filename}'
return response(2)将在我的烧瓶应用程序中打开一个新的选项卡，显示原始格式的.pdf文件。
我希望这对将来遇到类似问题的人有所帮助。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72092729
复制相关文章
相似问题
腾讯云开发者
