PDFInfoNotInstalledError AWS Lambda无法用pdf2image找到波普尔路径

Question

按照这里的指南：https://www.petewilcock.com/using-poppler-pdftotext-and-other-custom-binaries-on-aws-lambda/，我能够使用EC2获得二进制文件。但是现在，对于最后一步，我似乎找不到一种方法来让pdf2image使用poppler。获取错误：

  "errorMessage": "Unable to get page count. Is poppler installed and in PATH?",
  "errorType": "PDFInfoNotInstalledError",

我试过的是：

从指南中添加带有poppler_path

• Adding的lambda层，然后使用指南中的package.zip调用lambda层，然后用poppler_path = '/opt/lib/'

• Adding调用convert_from_bytes() -- /lib和/bin目录--直接进入lambda，用poppler_path = '/var/task/lib/'

• Adding调用convert_from_bytes()，使用指南中的package.zip调用lambda层，并添加映射到/opt/ 4a的环境变量路径。做同样的事情并将其映射到/opt/lib/

4b。做同样的事情并将其映射到/opt/bin/

我的羔羊为上述之一：

import json
import base64
import os
from uuid import uuid4
from pdf2image import convert_from_bytes

POPPLER_PATH = '/opt/lib/'

def text_process_handler(event, context):
    document = bucketHelper.get_bucket_object('<Bucket>', '<document>.pdf')
    images = convert_from_bytes(document,dpi=150, poppler_path=POPPLER_PATH)

    return {
        "statusCode": 200,
        "body": json.dumps({
            "message": "Successful request."
        }),       
    }

我的package.zip看起来像：

+--lib
|  +--libpoppler.so.70
|  +--libtiff.so.5
|  +--etc...
+--bin
|  +--pdftoppm
|  +--pdftotext
|  +--etc...

Answer 1

理解问题

在过去的两天里，我一直在研究这个问题，甚至深入到pdf2image包中去了解错误发生的原因。

这里是什么导致了错误: pdf2image python包使用子流程库来运行二进制文件，比如(pdfinfo，pdftocairo，...etc)

它运行了一个类似于pdfinfo /path/to/pdf/file的Linux命令，在压缩后的二进制文件似乎在chmod -R 750上(在我的例子中)，这阻止了子进程库运行导致错误“拒绝权限”的命令，然后返回pdf2image包来告诉您所面临的相同错误。

如何解决：

：

在压缩二进制文件之前，通过运行chmod -R 777 .确保文件mods在777上

然后，在运行方法时，convert_from_path()将poppler_path设置为二进制扩展。

就是这样

注释:我创建了一个层，只包含要在函数.

中使用的popplet-utils二进制文件。