python - 关于 pdfminer 的警告

Question

我在 stackoverflow 中找到并(稍微)修改了这个脚本，使其可以在 python 3.3 上运行:

from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO

def convert_pdf(path):

    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)

    fp = open(path, 'rb')
    process_pdf(rsrcmgr, device, fp)
    fp.close()
    device.close()

    string = retstr.getvalue()
    retstr.close()
    return string


print(convert_pdf('abc.pdf'))

它工作正常，但我似乎有 2 个问题:

• 在运行脚本时我收到大量警告:

  警告:root:undefined: PDFCIDFont: basefont='LKOELN+Wingdings-Regular', cidcoding='Adobe-Identity', 139
  警告:根:未定义:PDFCIDFont:basefont='LKKPCF+Wingdings2'，cidcoding='Adobe-Identity'，132

打印文本中的哪个看起来像 (cid:139)，我如何捕获此警告并将该文本替换为其他内容？

• 请注意，我有一个编解码器行，它在原始脚本中位于 TextConverter(rsrcmgr, retstr, laparams=laparams) 中，但是我得到:

  追溯(最近的调用最后): 文件“C:/Users/rodrigo/Desktop/csp_pdf/csp_pdf2.py”，第 46 行，位于 convert_pdf('abc.pdf') 文件“C:/Users/rodrigo/Desktop/csp_pdf/csp_pdf2.py”，第 33 行，在 convert_pdf 中 device = TextConverter(rsrcmgr, retstr, codec = 'utf-8', laparams=laparams)TypeError: init() 得到了一个意外的关键字参数 'codec'

这与第一个问题有关吗？

谢谢!

Answer 1

不幸的是，Pdfminer3k 记录到 Python root 记录器。 PDFMiner 应该正确实现日志记录恕我直言。所以不可能以正常方式禁用日志记录。

logging.getLogger("pdfminer").setLevel(logging.WARNING)

糟透了!

我这样做了，效果很好™:

    logging.propagate = False 
    logging.getLogger().setLevel(logging.ERROR)

它将根记录器设置为错误级别。这将停止 PDFMiner 警告日志记录，因为它记录到根记录器，而不是您自己的日志记录。

我需要将传播设置为 False，因为在使用 PDFMiner 之后，我有重复的日志条目。这是由根记录器引起的。