在Python中使用PDFMiner处理在线PDF文件。需要编码URL吗？

Question

我想用 PDFMiner 从网上提取 PDF 文件的内容。

我的代码是基于 文档 中的示例，这个示例是用来提取硬盘上 PDF 文件内容的：

# Open a PDF file.
fp = open('mypdf.pdf', 'rb')
# Create a PDF parser object associated with the file object.
parser = PDFParser(fp)
# Create a PDF document object that stores the document structure.
document = PDFDocument(parser)

这个方法在稍微修改后效果不错。

现在，我尝试使用 urllib2.openurl 来处理在线 PDF 文件，但这并不奏效。我收到了一个错误信息：coercing to Unicode: need string or buffer, instance found。

我该如何从 urllib2.openurl 获取一个字符串（或者其他什么），使得它和我用 open 函数打开 PDF 文件名时得到的结果一样（而不是 URL）呢？

如果我的问题不清楚，请告诉我。

Answer 1

好吧，我终于找到了解决办法，

我使用了 Request 和 StringIO，把 open('my_file', 'rd') 这个命令给去掉了。

from urllib2 import Request
from StringIO import StringIO

url = 'my_url'

open = urllib2.urlopen(Request(url)).read()
memoryFile = StringIO(open)

parser = PDFParser(memoryFile)

这样一来，Python 就把网址当成一个文件来处理了。