PDF Miner PDFEncryptionError

Question

我试图从pdf文件中提取文本，然后尝试识别引用。我用的是pdfminer 20140328。未加密的文件运行良好，但我现在得到了一个文件：

文件"C:\Tools\Python27\lib\site-packages\pdfminer\pdfdocument.py"，第348行，在_initialize_password中 提高PDFEncryptionError(‘未知算法: param=%r’% param) 未知算法：'}\xe2>\xf1\xf6\xc6\x8f\xab\x1f"O\x9bfc\xcd\x15\xe09~2\xc9\x87\x03\xaf\x17f>\x13\t^K\x99'，{‘CF’：{'StdCF'：{'Length'：16，‘pdfminer.pdfdocument.PDFEncryptionError’：/AESV2，'AuthEvent'：/DocOpen}，'O'：param= 'Filter'：/Standard，'P'：-1548，‘长度’：128，'R'：4，'U'：'Kk>\x14\xf7\xac\xe6\x97\xb35\xaby!\x04|\x18(\xbfN^Nu\x8aAd\x00NV\xff\xfa\x01\x08'，'V'：4，'StmF'：/StdCF，'StrF'：/StdCF}

我检查了pdfinfo，这个文件似乎是加密的，但我可以打开它，没有任何问题。所以我有两个问题：

• 首先:如何可能对文档进行加密，但我可以在没有密码的情况下打开它？
• 第二，如何使PDFMiner正确读取该文件？在某个地方，我读到安装pycrypto，以获得更多的算法，但它并没有解决我的问题。

非常感谢。

Answer 1

我对一些文件也有同样的问题。文档看起来是加密的，但密码是空的。这就是为什么我们可以很容易地打开它没有密码。

最后，我用Ubuntu的qpdf实用程序解决了这个问题。如果您提供密码(在我的例子中为空白)，它可以解密文件。我在Python脚本中实现了一个shell命令，它用一个空密码解密文档：

from subprocess import call
call('qpdf --password=%s --decrypt %s %s' %('', pdf_filename, pdf_filename_decr), shell=True)

哪里

`pdf_filename` - filename of encrypted pdf,
`pdf_filename_decr` - filename of a new decrypted copy.

pdfminer现在应该提取文本。

Answer 2

我得到了完全相同的错误，加密选项-V 4的PDF加密。原来这实际上是支持在最新的pdfminer。

如果您使用pip安装pdfminer，您将运行一个不支持它的2014年版本(20140328)。因此，相反：

git clone https://github.com/euske/pdfminer.git
cd pdfminer
python setup.py install

确保安装了pycrypto：

pip install pycrypto

您可以导入AES：

from Crypto.Cipher import AES