使用Python和PyPDF2合并PDF文件会引发类型错误

Question

我使用Python 3.6.5将PDF合并在一起，但遇到了一个问题。下面的代码抛出一个TypeError：'NumberObject'对象是不可下标的错误。我做错了什么？当我用merger.append注释掉一行时，它会正确地打印出文件路径。

import webbrowser
import os
from PyPDF2 import PdfFileMerger, PdfFileReader

path = 'C:/test/pdfs'
merger = PdfFileMerger()
for pdf in os.listdir(path):
      merger.append(PdfFileReader(open(os.path.join(path,pdf), 'rb')))
      print(os.path.join(path,pdf))
merger.write(path+'/merged.pdf')
merger.close()
webbrowser.open_new(path+'/merged.pdf')

文件“C:\test\pdftest.py”，第9行，合并中。在init self中添加（PdfFileReader（open（os.path.join（path，pdf），'rb'））文件“C:\python\lib\site packages\pypdf2-1.26.0-py3.6.egg\pypdf2\pdf.py”，第1084行。读取（流）文件“C:\python\lib\site packages\pypdf2-1.26.0-py3.6.egg\pypdf2\pdf.py”，第1805行，在读取断言xrefstream[“/Type”]==“/XRef”类型错误：“NumberObject”对象不可下标

当我改变合并的时候。附加以获取文件路径，我得到：

文件"C：\test\pdftest.py"，第9行，merger.append（os.path.join（路径，pdf））文件"C：\python\lib\site-包\pypdf2-1.26.0-py3.6.egg\PyPDF2\merger.py"，第203行，追加self.merge（len（self.pages），fileobj，书签，页面，import_bookmarks）文件"C：\python\lib\site-包\pypdf2-1.26.0-py3.6.egg\PyPDF2\merger.py"，第133行，在合并pdfr=PdfFileReader（fileobj，严格=self.strict）File"C：\python\lib\site-包\pypdf2-1.26.0-py3.6.egg\PyPDF2\pdf.py"，第1084行，在初始化self.read（stream）File"C：\python\lib\site-包\pypdf2-1.26.0-py3.6.egg\PyPDF2\pdf.py"，第1805行，在读取断言xrefstream["/Type"] == "/XRef"TypeError：'NumberObject'对象不可下标

更新：看起来是文件夹中的某个PDF导致了这种情况。该PDF唯一不同的是它使用类型1字体，而其他PDF使用TrueType字体。有人知道解决办法吗？

Answer 1

这似乎是由于无法识别或PDF格式错误造成的。我不是PDF专家，但PyPDF2似乎在抱怨外部参照表中的记录。我发现解决这个问题的最简单方法是重新格式化PDF。

我要做的就是把合并。在中追加（PDFFileReader（file））尝试，如果我在异常中发现'NumberObject'对象不可订阅消息，我将通过子流程在无头模式下使用LibreOffice“转换”PDF：

command = [r'"C:\Program Files\LibreOffice\program\soffice.bin"',
           '--convert-to', 'pdf', '--outdir', f'"{dest_file_path}"', f'"{file_name}"']
pdf_convert = subprocess.Popen(' '.join(command)) 

关于使用LibreOffice和subprocess的注意事项：无论出于何种原因，我发现作为列表传递会导致我在Windows中出现拒绝访问错误，因此我改为使用连接。