Question

当我使用以下代码时

from PyPDF2 import PdfFileMerger

merge = PdfFileMerger()

    for newFile in nlst:
        merge.append(newFile)
    merge.write('newFile.pdf')

发生了以下事情：

raise utils.PdfReadError("EOF marker not found")

PyPDF2.utils.PdfReadError: EOF marker not found

任何人都可以告诉我发生了什么？感谢

Answer 1

PDF是一种文件格式，pdf解析器通常通过读取位于文件末尾的一些全局信息来开始读取文件。在文档的最后，需要有一行内容

%% EOF

这是一个标记，pdf解析器知道PDF文档在这里结束并且它需要的全局信息应该在此之前（startxref部分）。

我猜，您看到的错误消息表示其中一个输入文档被截断并且缺少此%% EOF标记。

Answer 2

在使用 camelot 和 PyPDF2 遇到这个问题后，我做了一些挖掘并解决了问题。

文件结束标记 '%%EOF' 应该是最后一行，但是一些 PDF 文件在这一行之后放了一大块 javascript，读者无法找到 EOF。

打开 EOF 和 javascript 后的样子：

 b'>>\r\n',
 b'startxref\r\n',
 b'275824\r\n',
 b'%%EOF\r\n',
 b'\n',
 b'\n',
 b'<script type="text/javascript">\n',
 b'\twindow.parent.focus();\n',
 b'</script><!DOCTYPE html>\n',
 b'\n',
 b'\n',
 b'\n',

所以你只需要在 javascript 开始之前截断文件。

解决方案：

def reset_eof_of_pdf_return_stream(pdf_stream_in:list):
    # find the line position of the EOF
    for i, x in enumerate(txt[::-1]):
        if b'%%EOF' in x:
            actual_line = len(pdf_stream_in)-i
            print(f'EOF found at line position {-i} = actual {actual_line}, with value {x}')
            break

    # return the list up to that point
    return pdf_stream_in[:actual_line]

# opens the file for reading
with open('data/XXX.pdf', 'rb') as p:
    txt = (p.readlines())

# get the new list terminating correctly
txtx = reset_eof_of_pdf_return_stream(txt)

# write to new pdf
with open('data/XXX_fixed.pdf', 'wb' as f:
    f.writelines(txtx)

fixed_pdf = PyPDF2.PdfFileReader('data/XXX_fixed.pdf')

Answer 3

此问题的一种简单解决方案（未找到EOF标记）。在其他应用程序中打开您的 .pdf 文件（我在Ubuntu 18.04中使用Libre office draw）。然后将文件导出为 .pdf 。使用此导出的 .pdf 文件，该问题将不会持续。

Answer 4

我也遇到了这个问题并找到了解决方案。

首先，python将PDF读取为size_t sampleSize = 4;或'rb'作为二进制读写格式。

文件结束

在一行上某处有一个开放的括号，但没有匹配的封闭括号时发生。在寻找右括号时，Python到达了文件的末尾。

这是第一种解决方案：

使用此命令关闭您之前打开的文件

'wb'
检查是否使用其他变量打开了pdf文件，然后再次将其关闭

newfile.close()

现在只打开一次并使用它，就可以了。

在python中使用PyPDF2合并pdf文件时找不到EOF标记

4 个答案: