Azure函数应用中pdf2text无法正常工作问题求助

API 探路者

2026-7-3

解决Azure函数应用中textract无法调用pdf2txt.py的问题

问题场景

使用textract编写了读取PDF内容的脚本，本地运行正常，但部署到Azure函数应用后报错，提示pdf2txt.py未安装。虽然requirements.txt中已添加textract和pdf2text，但依赖未正确生效。

脚本代码

import textract
import tempfile

def read_file(bytes):
    with tempfile.NamedTemporaryFile('wb', delete=True) as temp:
        temp.write(bytes)
        temp.flush()
        context = textract.process(temp.name, encoding='utf-8',extension=".pdf")
    
    return context.decode('utf-8')

错误信息

pdf2txt.py /tmp/tmpe3yo9gax` failed because the executable
`pdf2txt.py` is not installed on your system. Please make
sure the appropriate dependencies are installed before using
textract:

    http://textract.readthedocs.org/en/latest/installation.html

解决方案

修正依赖包名称：pip中的pdf2text并非textract处理PDF所需的依赖，textract实际依赖的是pdfminer.six。修改requirements.txt，将pdf2text替换为pdfminer.six，内容如下：
```
textract
pdfminer.six
```
指定PDF处理方法：在调用textract.process时显式指定method='pdfminer'，强制textract使用pdfminer.six提供的工具，避免自动查找错误的可执行文件。修改后的代码片段：
```
context = textract.process(temp.name, encoding='utf-8', extension=".pdf", method='pdfminer')
```
清理缓存重新部署：删除Azure函数应用的旧部署包，重新触发部署，确保新的依赖包被正确安装。