Python 如何使用PDFminer避免PDF文件密码错误

我想从我的计算机收集所有PDF文件，并从每个文件中提取文本。我目前使用的两个函数都是这样做的，但是，一些PDF文件给了我以下错误：

raise PDFPasswordIncorrect 
pdfminer.pdfdocument.PDFPasswordIncorrect

我在打开和读取PDF文件的函数中提出了错误，从忽略错误的角度来看，这似乎是可行的，但现在它忽略了所有PDF文件，包括以前没有问题的好文件

我怎样才能使它只忽略给我这个错误的PDF文件，而不是每个PDF文件

def pdfparser(x):
    try:
        raise PDFPasswordIncorrect(pdfminer.pdfdocument.PDFPasswordIncorrect)
        fp = open(x, 'rb')
        rsrcmgr = PDFResourceManager()
        retstr = io.StringIO()
        codec = 'utf-8'
        laparams = LAParams()
        device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
        # Create a PDF interpreter object.
        interpreter = PDFPageInterpreter(rsrcmgr, device)
        # Process each page contained in the document.
    except (RuntimeError, TypeError, NameError,ValueError,IOError,IndexError,PermissionError):
         print("Error processing {}".format(name))

    for page in PDFPage.get_pages(fp):
        interpreter.process_page(page)
        data =  retstr.getvalue()

    return(data)

    def pdfs(files):
            for name in files:
                    try:
                        IP_list = (pdfparser(name))
                        keyword = re.findall(inp,IP_list)
                        file_dict['keyword'].append(keyword)
                        file_dict['name'].append(name.name[0:])
                        file_dict['created'].append(time.ctime(name.stat().st_ctime))
                        file_dict['modified'].append(time.ctime(name.stat().st_mtime))
                        file_dict['path'].append(name)
                        file_dict["content"].append(IP_list)
                    except (RuntimeError, TypeError, NameError,ValueError,IOError,IndexError,PermissionError):
                        print("Error processing {}".format(name))
                    #print(file_dict)
            return(file_dict)
    pdfs(files)

如果您没有提供正确的密码，打开了受密码保护的Pdf，为什么要手动引发错误

每次代码都会引发此错误

相反，如果发生错误，您需要捕获错误并跳过该文件。请参阅更正的代码：

def pdfparser(x):
    try: 
        # try to open your pdf here - do not raise the error yourself!
        # if it happens, catch and handle it as well

     except PDFPasswordIncorrect as e:      # catch PDFPasswordIncorrect
         print("Error processing {}: {}".format(name,e)) # with all other errors
         # no sense in doing anything if you got an error until here
         return None 


    # do something with your pdf and collect data
    data = []

    return(data)


    def pdfs(files):
        for name in files: 
            try:
                IP_list = pdfparser(name)

                if IP_list is None:             # unable to read for whatever reasons
                    continue                    # process next file

                # do stuff with your data if you got some                

            # most of these errors are already handled inside pdfparser
            except (RuntimeError, TypeError, NameError,ValueError,
                    IOError,IndexError,PermissionError):
                print("Error processing {}".format(name))

    return(file_dict)

    pdfs(files)

def pdfs（文件）：

中的第二个

try/catch:

可以缩小，所有与文件相关的错误都发生在

def pdfparser（x）：

中，并在那里处理。您的其余代码不完整，引用了我不知道的内容：

---

嗨，expect中的PDFPassword不正确，它给了我一个错误，说它是一个未定义的变量。我应该在某个地方定义它吗？@Cald no，请尝试

而不是pdfminer.pdfdocument.pdfpassword错误为e:

。它可能隐藏在名称空间中。我将pdfminer.pdfdocument.pdfpassword放在中不正确，除了在PDF函数而不是PDFparser函数中，它工作了！非常感谢你！

file_dict
inp
name # used as filehandle for .stat() but is a string etc