Удачи ... :)
аюсь создать pdf-пулер с веб-сайта Австралийской фондовой биржи, который позволит мне просматривать все «объявления», сделанные компаниями, и искать ключевые слова в pdf-файлах этих объявлений.
До сих пор я использую запросы и PyPDF2, чтобы получить файл PDF, записать его на свой диск и затем прочитать. Тем не менее, я хочу иметь возможность пропустить этап записи файла PDF на мой диск и чтения его, и перейти от получения файла PDF к преобразованию его в строку. То, что я до сих пор это:
import requests, PyPDF2
url = 'http://www.asx.com.au/asxpdf/20171108/pdf/43p1l61zf2yct8.pdf'
response = requests.get(url)
my_raw_data = response.content
with open("my_pdf.pdf", 'wb') as my_data:
my_data.write(my_raw_data)
open_pdf_file = open("my_pdf.pdf", 'rb')
read_pdf = PyPDF2.PdfFileReader(open_pdf_file)
num_pages = read_pdf.getNumPages()
ann_text = []
for page_num in range(num_pages):
if read_pdf.isEncrypted:
read_pdf.decrypt("")
print(read_pdf.getPage(page_num).extractText())
page_text = read_pdf.getPage(page_num).extractText().split()
ann_text.append(page_text)
else:
print(read_pdf.getPage(page_num).extractText())
print(ann_text)
Это печатает список строк в файле PDF из предоставленной ссылки.
Просто интересно, могу ли я преобразовать переменную my_raw_data в читаемую строку?
Большое спасибо заранее!