如何解锁一个"；“有担保”；（阅读保护）Python中的PDF？

在Python中，我使用以下代码从pdf中读取文本。我现在收到一条错误消息，上面说：

File "/usr/local/lib/python2.7/dist-packages/pdfminer/pdfpage.py", line 124, in get_pages
    raise PDFTextExtractionNotAllowed('Text extraction is not allowed: %r' % fp)
PDFTextExtractionNotAllowed: Text extraction is not allowed: <cStringIO.StringO object at 0x7f79137a1
ab0>

由于有许多服务可以在一秒钟内禁用这种读取保护，我认为这真的很容易做到。似乎

.is\u extractable

是

doc

的一个简单属性，但我认为它不像将

.is\u extractable

更改为True那样简单

有人知道如何使用Python禁用pdf上的读取保护吗？欢迎所有提示

================================================

下面是我目前从非读保护中提取文本的代码

def getTextFromPDF(rawFile):
    resourceManager = PDFResourceManager(caching=True)
    outfp = StringIO()
    device = TextConverter(resourceManager, outfp, codec='utf-8', laparams=LAParams(), imagewriter=None)
    interpreter = PDFPageInterpreter(resourceManager, device)

    fileData = StringIO()
    fileData.write(rawFile)
    for page in PDFPage.get_pages(fileData, set(), maxpages=0, caching=True, check_extractable=True):
        interpreter.process_page(page)
    fileData.close()
    device.close()

    result = outfp.getvalue()

    outfp.close()
    return result

---

据我所知，在大多数情况下，PDF的全部内容实际上是加密的，使用密码作为加密密钥，因此简单地将

.is\u extractable

设置为

True

对您没有帮助

根据此线程：

我建议使用命令行工具（如

qpdf

）删除读取保护（易于安装，例如在Ubuntu上使用

apt get install qpdf

，如果您还没有）：

然后用

pdfminer

打开未锁定的文件，然后开始你的工作

对于纯Python解决方案，您可以尝试使用

PyPDF2

及其

.decrypt（）

方法，但它不能用于所有类型的加密，因此实际上，您最好只使用

qpdf

-请参阅：

---

在我的例子中，没有密码，但简单地设置

check_extractable=False

就可以避免出现问题文件（在其他查看器中打开良好）的

pdftextraction异常。
我在试图让qpdf在我的程序中正常运行时遇到了一些问题。我发现了一个有用的库，它基于qpdf并自动将PDF转换为可提取的

使用此功能的代码非常简单：

import pikepdf

pdf = pikepdf.open('unextractable.pdf')
pdf.save('extractable.pdf')

“check_extractable=True”参数是经过设计的。
一些PDF明确禁止提取文本，而PDFMiner遵循该指令。您可以覆盖它（给出check_extractable=False），但这样做的风险由您自己承担。
我也遇到了解析安全pdf的相同问题，但它已通过pikepdf库得到解决。我在我的jupyter notebbok和windows操作系统上尝试了这个库，但它出现了错误，但在Ubuntu上运行顺利如果你想解锁文件夹中的所有pdf文件而不重命名它们，你可以使用以下代码：

import glob, os, pikepdf

p = os.getcwd()
for file in glob.glob('*.pdf'):
   file_path = os.path.join(p, file).replace('\\','/')
   init_pdf = pikepdf.open(file_path)
   new_pdf = pikepdf.new()
   new_pdf.pages.extend(init_pdf.pages)
   new_pdf.save(str(file))

在库中，不可能通过使用相同的名称保存现有文件来覆盖该文件。相反，您希望将页面复制到新创建的空pdf文件中，然后保存它。
我使用了下面的代码，可以覆盖

pdf=pikepdf.open（'filepath'，允许\u覆盖\u输入=True）
pdf.save（'filepath'）
您是否尝试过更改。是否可提取为True？实际上，它很有可能会起作用。你试过传递密码吗？对于PDFPage.get_pages（fileData，set（），maxpages=0，password=password，caching=True，check_extractable=True）中的页面：在文件未加密或未受密码保护的情况下引发错误时的最佳答案。请与示例共享此信息如果pdf受密码保护，则可以使用pikepdf.open设置密码（'untractable.pdf'，password='thepassword'）
import pikepdf

pdf = pikepdf.open('unextractable.pdf')
pdf.save('extractable.pdf')

import glob, os, pikepdf

p = os.getcwd()
for file in glob.glob('*.pdf'):
   file_path = os.path.join(p, file).replace('\\','/')
   init_pdf = pikepdf.open(file_path)
   new_pdf = pikepdf.new()
   new_pdf.pages.extend(init_pdf.pages)
   new_pdf.save(str(file))