Python pdfminer上的警告

我在stackoverflow中发现并（稍微）修改了该脚本，使其能够在python 3.3上工作：

from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO

def convert_pdf(path):

    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)

    fp = open(path, 'rb')
    process_pdf(rsrcmgr, device, fp)
    fp.close()
    device.close()

    string = retstr.getvalue()
    retstr.close()
    return string


print(convert_pdf('abc.pdf'))

它工作正常，但我似乎有两个问题：

• 运行脚本时，我收到大量警告：
  警告：root:未定义：PDFCIDFont:basefont='LKOELN+Wingdings Regular'，cidcoding='Adobe-Identity'，139
  警告：root:未定义：PDFCIDFont:basefont='LKKPCF+Wingdings2'，cidcodeding='Adobe-Identity'，132

打印文本中的哪个看起来像

（cid:139）

，如何捕获此警告并用其他内容替换该文本

• 请注意，我有一个编解码器行，它在原始脚本中位于

  TextConverter（rsrcmgr，retstr，laparams=laparams）

  中，但是我得到：
  回溯（最近一次呼叫最后一次）： 文件“C:/Users/rodrigo/Desktop/csp_pdf/csp_pdf2.py”，第46行，在 转换为pdf（“abc.pdf”） 文件“C:/Users/rodrigo/Desktop/csp_pdf/csp_pdf2.py”，第33行，转换为pdf格式 设备=文本转换器（rsrcmgr、RETSR、编解码器='utf-8'，laparams=laparams） TypeError:init（）获得意外的关键字参数“codec”

这与第一个问题有关吗

谢谢

关于警告 如果查看pdfminer模块（第341行）的文件“pdfparser.py”部分-在我的文件中） 我相信这就是它产生的原因。 但在您这样做之前，请尝试下面的代码。这是针对Python3的，假设您得到了 python 3版本-“pdfminer3k 1.3.0”， 我确实收到类似“warning:root:cannotlocateobjid=149”的警告，代码如下：， 但是警告似乎没有进入文本流。可能.pdf文件已损坏。 关于代码的注释 函数“TextConverter”中没有“codec”参数 您的行“TextConverter（rsrcmgr，retstr，laparams=laparams）”是正确的 希望这有帮助

import io
from pdfminer.pdfinterp import PDFResourceManager, process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams

def convert_pdf(pdfFile, retstr):
    password = ''
    pagenos = set()
    maxpages = 0
    laparams = LAParams()
    rsrcmgr = PDFResourceManager()
    device = TextConverter(rsrcmgr, retstr, laparams=laparams)    
    process_pdf(rsrcmgr, device, pdfFile, pagenos, maxpages=maxpages, password=password, check_extractable=True)
    device.close()
    return retstr
pdfFile = open('C:\\SomeDirectory\\Some_PDF_File.pdf','rb')
retstr = io.StringIO()
retstr = convert_pdf(pdfFile, retstr)
print(retstr.getvalue())
pdfFile.close()

---

Pdfminer3k将日志记录到Pythonroot记录器。PDFMiner应在IMHO中正确执行日志记录。因此，不可能像这样以正常方式禁用日志记录

logging.getLogger("pdfminer").setLevel(logging.WARNING)

真倒霉

我这样做了，它的工作™:

    logging.propagate = False 
    logging.getLogger().setLevel(logging.ERROR)

它将根记录器设置为级别错误。这将停止PDFMiner警告日志记录，因为它记录到根日志记录程序，而不是您自己的日志记录

---

我需要将传播设置为False，因为在使用PDFMiner之后，我有重复的日志条目。这是由根记录器造成的。

我在Python3.8上运行pdfMiner，在我的应用程序中，我已经为根记录器分配了处理程序，速度非常慢。经过调查，我发现每个模块都创建了一个具有唯一名称（“name”）的记录器。而不是根记录器。所有这些默认为level.DEBUG的语句以及从早期python2.7版本转换为打印语句时的语句都已替换为log。电话

为了解决这个问题，我在导入之后甚至在初始化pdfminer类之前添加了下面的代码，这使得我的应用程序运行速度可以接受

# set all pdfminer logging to WARN
pdflogs = [logging.getLogger(name) for name in logging.root.manager.loggerDict if name.startswith('pdfminer')]
for ll in pdflogs:
    ll.setLevel(logging.WARNING)

只是

logging.getLogger（'pdfminer'）.setLevel（logging.ERROR）

现在似乎可以工作了？