python - 在 Python 中解压 PDF 中的 FlateDecode 对象

Question

我正在尝试使用以下代码解压 PDF 格式的数据

import re
import zlib

pdf = open("some_doc.pdf", "rb").read()
stream = re.compile(r'.*?FlateDecode.*?stream(.*?)endstream', re.S)

for s in stream.findall(pdf):
    s = s.strip('\r\n')
    try:
        print(zlib.decompress(s))
        print("")
    except:
        pass

但它告诉我以下错误 文件“D:\pdf_flatedecode.py”，第 8 行，位于 对于 stream.findall(pdf) 中的 s:类型错误:不能在类似字节的对象上使用字符串模式请帮我。我无法找出问题所在。我的python版本是3.7.1

Answer 1

核心问题是您以“二进制”模式打开 pdf，因此您必须从字节而不是 str 编译正则表达式。我不确定 100% 它是否按您预期的方式工作，但试试这个:

import re
import zlib

pdf = open("some_doc.pdf", "rb").read()
stream = re.compile(b'.*?FlateDecode.*?stream(.*?)endstream', re.S)

for s in re.findall(stream,pdf):
    s = s.strip(b'\r\n')
    try:
        print(zlib.decompress(s).decode('UTF-8'))
        print("")
    except:
        pass