LangChain PDF问答项目报错：'bytes'对象无'seek'属性求解决

核心原因 #

这个错误的本质是你传递给PyPDF2.PdfReader的是bytes类型对象，但PdfReader要求的输入是可执行seek()方法的文件流对象（如打开的文件句柄）或文件路径字符串。seek()是文件IO对象的专属方法，bytes对象不具备该方法，因此触发了AttributeError。更换PyPDF2版本无法解决问题，因为这是参数类型传递错误，而非版本兼容问题。

修复方案 #

根据你获取PDF文件的方式，选择对应的修复方式：

场景1：通过Streamlit的file_uploader获取文件 #

如果你的docs是st.file_uploader()返回的UploadedFile对象（本质是封装后的bytes流），需要先用BytesIO将其包装成可seek的流对象：

from io import BytesIO
from PyPDF2 import PdfReader

def get_text(docs):
    raw_text = ""
    for pdf in docs:
        # 将上传的文件转换为可seek的BytesIO流
        pdf_stream = BytesIO(pdf.read())
        pdf_reader = PdfReader(pdf_stream)
        for page in pdf_reader.pages:
            page_text = page.extract_text()
            if page_text:  # 避免提取空文本
                raw_text += page_text
    return raw_text

场景2：直接处理本地文件路径 #

如果你的docs是本地PDF文件的路径列表，直接将路径字符串传给PdfReader即可：

from PyPDF2 import PdfReader

def get_text(docs):
    raw_text = ""
    for pdf_path in docs:
        pdf_reader = PdfReader(pdf_path)  # 直接传入文件路径
        for page in pdf_reader.pages:
            page_text = page.extract_text()
            if page_text:
                raw_text += page_text
    return raw_text

内容的提问来源于stack exchange，提问作者Abishek AK