如何在不下载Python的情况下从url提取文本pdf

我目前正在使用requests.get从API提取pdf。我不想下载它们，只是想从中提取文本

response\u pdf=requests.get（url，auth=TokenAuth（key））
text=将pdf格式转换为txt格式（response\u pdf.content）

下面是函数convert_pdf_to_txt的代码：

def将pdf文件转换为txt文件（文件名）：
rsrcmgr=PDFResourceManager（）
retstr=StringIO（）
编解码器='utf-8'
#编解码器='ISO-8859-1'
laparams=laparams（）
device=TextConverter（rsrcmgr、retstr、codec=codec、laparams=laparams）
fp=打开（文件名为“rb”）
解释器=PDFPAGE解释器（rsrcmgr，设备）
password=“”
maxpages=0
缓存=真
pagenos=set（）
对于PDFPage.get_页面中的页面（fp，pagenos，maxpages=maxpages，password=password，caching=caching，check_extractable=True）：
解释器。处理页面（第页）
text=retstr.getvalue（）
fp.close（）
设备关闭（）
retstr.close（）
text=str（text）
text=文本。替换（“\\n”和“”）
text=text.lower（）
返回文本

我得到以下错误： UnicodeDecodeError:“utf-8”编解码器无法解码位置11中的字节0xb5:无效的开始字节

响应是一个“class'bytes'”对象，我不知道如何从中提取文本

---

任何帮助都将不胜感激

您正在传入一个bytestring以解释为要打开的文件名，这不好

相反，您可以将bytestring读入

io.BytesIO（）

并将其作为

fp

传递：

def convert_pdf_to_txt(fp):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = "utf-8"
    # codec ='ISO-8859-1'
    laparams = LAParams()
    device = TextConverter(
        rsrcmgr, retstr, codec=codec, laparams=laparams
    )

    interpreter = PDFPageInterpreter(rsrcmgr, device)
    password = ""
    maxpages = 0
    caching = True
    pagenos = set()

    for page in PDFPage.get_pages(
        fp,
        pagenos,
        maxpages=maxpages,
        password=password,
        caching=caching,
        check_extractable=True,
    ):
        interpreter.process_page(page)

    text = retstr.getvalue()
    device.close()
    retstr.close()
    text = str(text)
    text = text.replace("\\n", "")
    text = text.lower()
    return text

response_pdf = requests.get(url, auth=TokenAuth(key))
pdf_stream = io.BytesIO(response_pdf.content)
text = convert_pdf_to_txt(pdf_stream)

它还有一个额外的优点，即您仍然可以在文件中使用它：

打开（'my_pdf'，'rb'）作为pdf_流：
text=将pdf格式转换为txt格式（pdf格式）

请为您收到的错误添加完整的回溯。