Python PyPDF2在扫描的PDF中计算PDF页面生成的外部参照表不是零索引

Question

我写了一个快速的脚本来计算PDF文件中的页数。但是，在某些文件中，它无法读取，并返回一个错误：Xref table not Zero indexed。基本上，当需要一个对象Id（5.0）和获取对象Id（4.0）时。我还得到了其他对象Id，如（7.0）和对象Id（6.0），等等。。。在

我的代码是：

from PyPDF2 import PdfFileReader
from pathlib import Path
import os
import math
import logging

numPages=0
workPath = input ('Please introduce your working directory: ')
print ('Your selected path is ' + workPath)
os.chdir (workPath.encode())
logging.basicConfig(filename='errrors.log', 
    level=logging.DEBUG,
    format='%(asctime)s - %(levelname)s - %(message)s')
fout= open('PagesCount.txt', 'w',  encoding="utf-8")
path_files = Path(workPath)
for file in path_files.glob('**/*.pdf'):
    page_Count = 0
    try:
        with open(str(file), "br") as PDF:
            try:
                page_Count = PdfFileReader(PDF).getNumPages()
                numPages = numPages + page_Count
                print ('Pages in ' + str(file) + ': ' + str(page_Count) + ' pages')
                fout.write ('Pages in ' + str(file) + ':\t' + str(page_Count) + ' pages\n')
            except:
                print('File {} cannot be read'.format(str(file)))
                logging.error('File cannot be read:\t {}'.format(str(file)))

    except:
        logging.error('File is not processed: {}'.format(str(file)))

print ('Total number of pages:\t' + str(numPages) + ' pages')
fout.write ('Total number of pages:\t' + str(numPages) + ' pages\n')

因此，碰巧我不得不计算许多扫描的PDF文件的页数，其中很高的一部分，大约80%的被过滤到错误文件中，因为上面提到的错误。有没有办法防止外部参照表非零索引错误？在

谢谢。在

Answer 1

我已经解决了部分问题。将参数strict设置为false，这样可以打开比以前更多的文件

从以下位置更改此行： page\u Count=PdfFileReader（PDF）.getNumPages（） 到 page\u Count=PdfFileReader（PDF，strict=False）.getNumPages（）