Python 解决；EOF市场未发现错误“；PyPDF2

我使用PyPDF2和tika从.pdf和.htm文件中提取文本。 我遇到以下错误： “PyPDF2.utils.pdfReader错误：找不到EOF标记”

我看过多篇关于这个问题的帖子，但没有一篇包含解决方案

以下是我使用的代码：

from xlwt import Workbook

import PyPDF2, os

from tika import parser


wb = Workbook()

sheet1 = wb.add_sheet('Sheet 1')
sheet1.write(0, 0, 'file name')
sheet1.write(0, 1, 'file content')

pdfFiles = []
folderPath = 'C:/Users/Turing/Desktop/workingFiles' #! define the path for the folder including input files

for filename in os.listdir(folderPath):
    if filename.endswith('.htm') or filename.endswith('.pdf'):
        pdfFiles.append(filename)

pdfFiles.sort(key=str.lower)

row = 0

for filename in pdfFiles:
    row = row + 1
    #print(filename)
    sheet1.write(row, 0, filename)  # write the name of the file to column number 0 of output
    filename = folderPath+'\\'+filename
    pdfFileObj = open(filename, 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
    raw = parser.from_file(filename)
    #print(raw['content'])
    sheet1.write(row, 1, raw['content']) # write the content of the input doc to column number 1 of the output

wb.save('MRS.xls')

---

我已上载供您参考。

您正在阅读一个包含PyPDF2.PdfFileReader的HTML文件，它需要一个PDF文件。 可能是最容易分割的

pdfFiles = []
htmFiles = []
for filename in os.listdir(folderPath):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)
    if filename.endswith('.htm'):
        htmFiles.append(filename)

---

然后分别解析它们。

您正在使用PyPDF2.PdfFileReader读取一个HTML文件，它需要一个PDF文件。 可能是最容易分割的

pdfFiles = []
htmFiles = []
for filename in os.listdir(folderPath):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)
    if filename.endswith('.htm'):
        htmFiles.append(filename)

并分别解析它们