创建bytesIO对象
创建bytesIO对象
提问于 2016-09-30 19:43:08
我正在开发一个刮痕爬行器，试图使用石板从一个目录中的多个PDF文件中提取文本。我没有兴趣将实际的PDF保存到磁盘中，因此建议我查看https://docs.python.org/2/library/io.html#buffered-streams的https://docs.python.org/2/library/io.html#buffered-streams子类。
但是，我不知道如何将PDF传递给bytesIO类，然后传递虚拟PDF模板来获取文本。到目前为止，我已经：
class Ove_Spider(BaseSpider):
name = "ove"
allowed_domains = ['myurl.com']
start_urls = ['myurl/hgh/']
def parse(self, response):
for a in response.xpath('//a[@href]/@href'):
link = a.extract()
if link.endswith('.pdf'):
link = urlparse.urljoin(base_url, link)
yield Request(link, callback=self.save_pdf)
def save_pdf(self, response):
in_memory_pdf = BytesIO()
in_memory_pdf.read(response.body) # Trying to read in PDF which is in response body我得到了：
in_memory_pdf.read(response.body)
TypeError: integer argument expected, got 'str'我该怎么做呢？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-09-30 19:48:49
当您执行in_memory_pdf.read(response.body)时，您应该传递要读取的字节数。您希望初始化缓冲区，而不是读入缓冲区。
在python 2中，只需将BytesIO初始化为：
in_memory_pdf = BytesIO(response.body)在Python3中，您不能在字符串中使用BytesIO，因为它需要字节。错误消息显示response.body是str类型的:我们必须对它进行编码。
in_memory_pdf = BytesIO(bytes(response.body,'ascii'))但是，由于pdf可以是二进制数据，我想response.body应该是bytes，而不是str。在这种情况下，简单的in_memory_pdf = BytesIO(response.body)可以工作。
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/39799009
复制相关文章
相似问题
腾讯云开发者
