Python 将非标准PDF与pyPdf合并

我想把几个PDF文件合并成一个PDF文档。事实证明，输入文件并不完全符合标准。EOF标记后面是一些附加信息：

>>
startxref
1994481
%%EOF

%%PPIRoute: 4

显然，这会导致pyPdf：

---

现在的问题是：我该怎么办？我可能会打开每个文件，去掉最后两行并保存，然后再将它们放入pyPdf。然而，我不太喜欢这个想法。也许还有更好的选择？

我建议将pdf.py脚本中

PdfFileReader

类的

read（）

方法的开头改为：

    def read(self, stream):
        # start at the end:
        stream.seek(-1, 2)
        line = ''
        while not line:
            line = self.readNextEndLine(stream)
        if line[:5] != "%%EOF":
            raise utils.PdfReadError, "EOF marker not found"

    ... etc

致：

在我看来，原始代码并没有真正实现Adobe文档中第3.4.4节“文件预告片”（第628页）所暗示的功能，其中的内容是（斜体字）：

Acrobat查看器只要求%%EOF标记出现在某处 在文件的最后1024字节内

换句话说，在

“%%EOF”

标记之后的文件物理结尾之前可以有其他内容。我建议的更改尝试适应这一点，并使其忽略标记后可能附加到文件末尾的任何其他内容，而不是引发异常（但是它不要求

“%%EOF”

如规范所述位于最后1K字节，尽管可以添加对此的检查）。这也意味着您试图合并的文件实际上可能符合规范

更新：

以下版本还要求

“%%EOF”

标记位于最后1024字节内：

def read(self, stream):
    # start at the end
    stream.seek(-1, os.SEEK_END)
    last1K = stream.tell() - 1024 + 1 # offset of last 1024 bytes of stream

    # read stream backwards while watching for end-of-file marker
    line = ''
    while line[:5] != "%%EOF":
        line = self.readNextEndLine(stream)
        if stream.tell() < last1K:
            raise utils.PdfReadError, "EOF marker not found"

    ... etc

def读取（自、流）：
#从最后开始
stream.seek（-1，操作系统seek\u END）
last1K=stream.tell（）-1024+1#流的最后1024字节的偏移量
#在查看文件结束标记时向后读取流
行=“”
而行[：5]！=“%%EOF”：
line=self.readNextEndLine（流）
如果stream.tell（）

派生

PdfileReader

的子类，该子类在其

read（）方法中执行所需的操作。或者，创建您自己的智能
stream
对象，并将其传递给现有的
read（）
方法。更改
pdf.py
是一个选项吗？修改它似乎很容易解决问题（假设可以删除/忽略文件中的附加信息）。cyroxx：你试过我的答案吗？还没有，因为这是一个小项目，我已经有一段时间没有研究过了。感谢您的回答，我将在尝试您建议的解决方案后立即进行评论/投票。当行为空时，它会显示。。。ValueError:基数为10的int（）的文本无效：“%EOF”。以前的代码不会进入循环。有什么想法吗，马提诺？
    def read(self, stream):
        # start at the end:
        stream.seek(-1, 2)
        line = ''
        # read stream backwards while watching for end-of-file marker
        while line[:5] != "%%EOF":
            line = self.readNextEndLine(stream)

    ... etc

def read(self, stream):
    # start at the end
    stream.seek(-1, os.SEEK_END)
    last1K = stream.tell() - 1024 + 1 # offset of last 1024 bytes of stream

    # read stream backwards while watching for end-of-file marker
    line = ''
    while line[:5] != "%%EOF":
        line = self.readNextEndLine(stream)
        if stream.tell() < last1K:
            raise utils.PdfReadError, "EOF marker not found"

    ... etc