Python，EOF OCR错误: pyPdf.utils.PdfReadError:找不到pyPdf标记

Question

pyPdf抛出此异常：

pyPdf.utils.PdfReadError:找不到EOF标记

我不需要修复pyPdf，我只需要获得EOF错误来导致"except“块执行并跳过文件，但它不起作用。它仍然会导致程序停止运行。

背景：

Batch OCR Program for PDFs

Python, pyPdf, Adobe PDF OCR error: unsupported filter /lzwdecode

..。这个传奇故事还在继续。

我在一个文件夹里有一万个pdf文件。一些OCRd，一些不是。第一步是找出哪些不是OCRd，只有那些不是OCR (详情请看其他帖子)。

所以我使用的是pyPdf。当我尝试阅读文本时，我得到了一些与无法识别的字符和不支持的过滤器相关的异常。所以我猜测如果它抛出一个异常，它会有一些文本在里面，然后它就不会出现在列表中。问题解决了，对吧？如下所示：

      from pyPdf import PdfFileWriter, PdfFileReader
      import sys, os, pyPdf, re

      path = 'C:\Users\Homer\Documents\My Pdfs'

      filelist = os.listdir(path)

      has_text_list = []
      does_not_have_text_list = []

    for pdf_name in filelist:
        pdf_file_with_directory = os.path.join(path, pdf_name)
        pdf = pyPdf.PdfFileReader(open(pdf_file_with_directory, 'rb'))
        print pdf_name
        for i in range(0, pdf.getNumPages()):
            try:
                pdf.write("%%EOF")
                content = pdf.getPage(i).extractText()
                does_it_have_text = re.findall(r'\w{2,}', content) 
                if does_it_have_text == []:
                    does_not_have_text_list.append(pdf_name)
                    print pdf_name
                else:
                    has_text_list.append(pdf_name)
            except:
                has_text_list.append(pdf_name)

print does_not_have_text_list

但是我得到了这个错误：

pyPdf.utils.PdfReadError:找不到EOF标记

看起来(来自谷歌)出现了很多：

http://pdfposter.origo.ethz.ch/node/31

我认为这意味着pyPdf打开了文件，进行了文本处理，引发了任何异常，执行了except:块，但现在无法进入下一步b/c它不知道文件是否需要。

还有其他类似的线程，他们声称这个问题已经解决了，但似乎没有。

然后，有人在这里有一个函数，他们首先将EOF字符写入.pdf。

http://code.activestate.com/lists/python-list/589529/

我在"pdf.write("%%EOF")“行中尝试模仿它，但没有成功。

那么，我如何获得运行except块的错误呢？我也在使用wing IDE，所以如果有一种方法可以使用调试器跳过这些文件，那也是可能的。谢谢。

Answer 1

将您的pyPdf调用也放入try/except块中。