在将 pdftotext 从 Python 脚本调用时，切换到我的网站托管后不起作用

Question

我写了一个小的Python脚本，用来从PDF文件中提取信息。我在本地机器上测试过，使用的是Python 2.6.2和pdftotext版本0.12.4。

现在我想在我的网络托管服务器（dreamhost）上运行这个脚本。那里的Python版本是2.5.2，pdftotext版本是3.02。

但是当我尝试运行这个脚本时，在pdftotext这一行出现了错误（我也用一个简单的测试脚本检查过），错误信息是“错误：无法打开文件'-'”。

def ConvertPDFToText(currentPDF):
    pdfData = currentPDF.read()

    tf = os.tmpfile()
    tf.write(pdfData)
    tf.seek(0)

    if (len(pdfData) > 0) :
        out, err = subprocess.Popen(["pdftotext", "-layout", "-", "-"], stdin = tf, stdout=subprocess.PIPE ).communicate()
        return out
    else :
        return None

需要注意的是，我传给这个函数的是同一个PDF文件，并且它确实可以访问这个文件。在另一个函数中，我可以从同一个在网络托管上运行的脚本给自己发送这个PDF文档。

我到底做错了什么？我本地版本和网络托管版本在使用subprocess/python/pdftext时有什么可能的区别？我猜我需要修改命令，所以任何帮助都将非常感激。

提前谢谢你。

Answer 1

如果你能通过命令行访问服务器，可以试着不使用Python来运行：

# pdftotext -layout - -

还有：

# pdftotext -layout

有些版本的pdftotext可能会使用标准输入和输出，所以可以尝试在命令行中不带任何文件来运行。试试这个：

    out, err = subprocess.Popen(["pdftotext", "-layout"], stdin = tf, stdout=subprocess.PIPE ).communicate()

或者可以使用临时文件，正如Noufal Ibrahim所建议的那样。

Answer 2

答案的线索在Noufal的评论中，他提到要使用文件名。但是，os.tmpfile()这个函数并没有文件名。我需要使用另一个模块。下面是修改后的代码。

#import tempfile
def ConvertPDFToText(currentPDF):
    pdfData = currentPDF.read()

    tf = tempfile.NamedTemporaryFile()
    tf.write(pdfData)
    tf.seek(0)

    outputTf = tempfile.NamedTemporaryFile()

    if (len(pdfData) > 0) :
        out, err = subprocess.Popen(["pdftotext", "-layout", tf.name, outputTf.name ]).communicate()
        return outputTf.read()
    else :
        return None

不过我不太确定怎么给Noufal的评论加分。也许他可以把这个答案复制粘贴过来？

Answer 3

pdftotext这个工具能直接在网络主机的命令行上读取文件吗？你能确认一下吗？还有，为什么不把临时文件的名字作为参数传进去，而是通过标准输入来给呢？（根据你的建议，我在这里重新粘贴一下）。