python - 在 python 中将函数应用于目录的每个元素的内容时出现问题？

Question

我正在尝试从目录中获取多个 .pdf 文件的内容，以便使用 tika 库将它们转换为文本，但是我相信我没有正确读取 .pdf 文件对象。这是我到目前为止尝试过的:

输入:

for filename in sorted(glob.glob(os.path.join(input_directory, '*.pdf'))):
    with open(filename,"rb") as f:
        print(f)
        text = parser.from_file(f)

输出:

<_io.BufferedReader name='/Users/user/Downloads/pdf-files/a_pdf_file.pdf'>
AttributeError: '_io.BufferedReader' object has no attribute 'decode'

在 python 中遍历文件内容的最有效方法是什么？

Answer 1

tika 解析器接收路径并打开文件本身:

for filename in sorted(glob.glob(os.path.join(input_directory, '*.pdf'))):
    parsed = parser.from_file(filename)
    text = parsed['content']