如何使用Python将PDF文件打印到标准输出？

Question

一份正确的 PDF 文件已经由脚本生成（不幸的是，该脚本的输出不能直接写入标准输出 stdout）。假设文件名为“myfile.pdf”。

我想要将精确的 PDF 内容打印到标准输出 stdout 中（中间不做任何处理）。

为了测试这一点，我编写了这个简短的 read_pdf.py 脚本：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

with open('myfile.pdf', mode='rb') as pdf_file:
    for line in pdf_file:
        print(str(line))

我使用'rb'模式，因为在文本模式下读取会导致UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 10: invalid continuation byte错误。因此，似乎没有其他选择（如果文本模式无法工作，则使用二进制模式）。

当然，问题在于输出结果是由不能用作pdf文件的b'blablabla'行组成的。为了检查它，我将read_pdf.py重定向到一个文件中，并尝试使用pdf阅读器打开它，当然没有成功。

$ ./read_pdf.py > test_output.pdf
$ evince test_output.pdf
Syntax Error: Couldn't find trailer dictionary
Syntax Error: Couldn't read xref table
Syntax Error: Couldn't find trailer dictionary
Syntax Error: Couldn't read xref table

那么，正确的做法是什么呢？我没有查看任何专用的pdf库，因为这似乎不是必要的。我希望能够在不导入pdf库的情况下读取和打印正确的内容。

chardet.detect(pdf_file.read()) 无法帮助解决问题（它返回了{'encoding': None, 'confidence': 0.0}）。

编辑： * 我正在寻找适用于Python 3和Linux/Unix系统的解决方案，而非Windows。 * 我需要知道如何使用Python完成此操作，因为它实际上是完全由Python编写的一个更大项目的一部分。

- zezollo

---

你为什么不能直接运行 cat some.pdf 呢？ - armandino

可能是重复问题：https://dev59.com/lXE95IYBdhLWcg3wSb_P - Robᵩ

@armandino 因为它实际上是一个完全用Python编写的更大项目的一部分。 - zezollo

@Robᵩ 除了这个是针对Python3而不是关于Windows的。我会在问题中添加这些细节。 - zezollo

Answer 1

我认为你的问题在于你是逐行读取，因此添加了额外的回车符。我尝试过，在OSX上完美运行：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

with open('myfile.pdf', mode='rb') as pdf_file:
        print(pdf_file.read())

为了完整起见，正如@zezollo所指出的，在Linux中使用print函数仍会导致文件损坏，因此有必要直接在缓冲区中写入：

import sys

with open('myfile.pdf', mode='rb') as pdf_file:
    sys.stdout.buffer.write(pdf_file.read())

- rll

---

这很简单，比我的尝试要好，但输出仍然被“包含”在 b' ' 中。该输出无法被 PDF 查看器读取。因此，我天真地尝试打印 str(pdf_file.read())[2:-1]。这看起来不错，但也无法被 PDF 查看器读取。 - zezollo

我本以为在OSX和Linux中会有相同的行为，但显然在打印实现上存在一些差异。很高兴它能帮到你。 - rll

Answer 2

答案实际上是使用sys.stdout.buffer.write()，而不是print()，并且除了pdf_file.read()之外还要使用它：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import sys

with open('myfile.pdf', mode='rb') as pdf_file:
    sys.stdout.buffer.write(pdf_file.read())

- zezollo