安装Scraperwiki时出现错误：未找到pdftohtml

Question

我一直在尝试为Python安装Scraperwiki模块。但是，它出现了一个错误：

""用户警告：本地Scraperlibs需要pdftohtml，但在PATH中找不到pdftohtml。你可能需要安装它"。

我查了一下poppler，因为他们有pdftohtml这个文件，但我不知道它是怎么工作的——我需要安装一个Python库还是一个.exe文件？我该怎么安装它呢？我是在Windows系统上运行。

非常感谢

Answer 1

如果你不打算使用 scraperwiki.pdftoxml() 这个功能，那么这个警告就和你无关了。不过，这并不妨碍你安装 scraperwiki 这个包。

另外，这个功能在Windows上根本无法正常使用，因为它使用了 NamedTemporaryFiles，而这个在Windows和Linux上的表现是有区别的，具体可以参考这篇文章。

如果你确实想使用这个功能，最简单的方法是在Windows上下载 Calibre Portable 的最新版本。（在Sourceforge上的版本比较旧。）

你可以把它安装在任何地方；你只需要从中提取几个文件。从你安装的文件夹中，找到包含 calibre.exe 的文件夹，把 pdftohtml.exe 复制到你的工作文件夹里，同时还需要从 Calibre 安装目录下的 DLLs 文件夹中复制 freetype.dll、jpeg.dll、libpng12.dll 和 zlib1.dll。

你还需要基于 scraperwiki.pdftoxml() 的其他代码，比如：

def pdftoxml(pdfdata, options):
    """converts pdf file to xml file"""
    # lots of hacky Windows fixes c.f. original
    with open('input.pdf', 'wb') as f:
    f.write(pdfdata)
    cmd = 'pdftohtml -xml -nodrm -zoom 1.5 -enc UTF-8 -noframes '
    if options:
        cmd += options
    cmd += 'input.pdf output.xml'
    cmd = cmd + " > NUL 2>&1"
    os.system(cmd)
    with open('output.xml', 'r') as f:
    return f.read()

（我最近在帮一个Windows用户解决这个问题；我会保持这个代码片段的更新。）