0

我已经对我的代码进行了几次测试，每次都运行良好，但现在由于某种原因，它引发了一个奇怪的错误，我会马上停止。我正在使用 tabula 读取一些 pdf 文件，这是出现错误的代码：

for it_page,page in enumerate(pages_id, start=0):
    print("page : ", page)
    tables = tabula.read_pdf(hermes_pdf_dir + "/" + pdf_name, pages = page)
    
    
    for i,table in enumerate(tables, start=1):
        print( "titre retenu : " + pages_id_titres[it_page][1] + f"_{i}.xlsx")
        table.to_excel(os.path.join(folder_name, pages_id_titres[it_page][1]  + " p" + str(page) + f"_{i}.xlsx"), index=False)

错误位于以“tables = tabula.read_pdf(...)”开头的行。

最重要的是，这是完整的错误消息：

Traceback (most recent call last):
  File "get_pdfs_hermes.py", line 299, in <module>
    read_pdf_download_csv(pdf_name2)
  File "get_pdfs_hermes.py", line 199, in read_pdf_download_csv
    tables = tabula.read_pdf(hermes_pdf_dir + "/" + pdf_name, pages = page)
  File "C:\Users\virgi\Python\lib\site-packages\tabula\io.py", line 322, in read_pdf
    output = _run(java_options, kwargs, path, encoding)
  File "C:\Users\virgi\Python\lib\site-packages\tabula\io.py", line 80, in _run
    result = subprocess.run(
  File "C:\Users\virgi\Python\lib\subprocess.py", line 512, in run
    raise CalledProcessError(retcode, process.args,
subprocess.CalledProcessError: Command '['java', '-Dfile.encoding=UTF8', '-jar', 'C:\\Users\\virgi\\Python\\lib\\site-packages\\tabula\\tabula-1.0.4-jar-with-dependencies.jar', '--pages', '104', '--guess', '--format', 'JSON', 'C:\\Users\\virgi\\Desktop\\virgile_stuff\\prog\\banking analyst\\financial_data/data/hermes_data/hermes_2014_rapportannuel_en.pdf']' returned non-zero exit status 1.

它讨论了 java 依赖项（可能是因为 tabula 有 tabula-py 和 tabula-java ？），我发现的与此类错误最相关的问题是应该更新 java，而我的计算机上有最新版本。关于它可能是什么的任何想法？

4

1 回答 1

0

通过简单地对发生错误时处理的 pdf 文件进行例外处理，它似乎又可以正常工作了。我认为问题来自页面编码或类似的东西。

于 2021-03-05T08:16:45.673 回答