使用Langchain PyPDFLoader加载在线PDF遇权限错误求助

问题原因 #

PyPDFLoader在Windows环境下加载在线PDF时，内部下载临时文件的逻辑存在权限处理缺陷，导致无法访问生成的临时文件。而手动操作临时文件夹正常、Colab能运行，是因为Windows与Linux的临时文件权限机制存在差异。

解决方案：手动下载PDF后再加载 #

绕过PyPDFLoader自带的在线文件处理逻辑，手动完成PDF下载、临时文件存储，再用PyPDFLoader加载，最后清理临时文件。

代码实现 #

import requests
from langchain.document_loaders import PyPDFLoader
import os
import tempfile

# 在线PDF链接
datasheet_path = "http://datasheet.octopart.com/CL05B683KO5NNNC-Samsung-Electro-Mechanics-datasheet-136482222.pdf"

# 手动下载PDF内容
response = requests.get(datasheet_path)
response.raise_for_status()  # 捕获请求失败的情况

# 创建临时PDF文件（关闭后不自动删除）
with tempfile.NamedTemporaryFile(delete=False, suffix=".pdf") as tmp_file:
    tmp_file.write(response.content)
    tmp_pdf_path = tmp_file.name

try:
    # 加载本地临时PDF文件
    loader = PyPDFLoader(tmp_pdf_path)
    pages = loader.load_and_split()
    # 可在此处处理分页后的内容，例如打印页数
    print(f"成功加载{len(pages)}页")
finally:
    # 强制删除临时文件，避免残留
    os.unlink(tmp_pdf_path)

说明 #

• 手动下载能完全控制文件创建权限，规避PyPDFLoader内部逻辑的权限问题
• tempfile.NamedTemporaryFile(delete=False)确保文件关闭后不被自动删除，保证Loader能正常读取
• try...finally结构确保无论加载是否成功，临时文件都会被清理

内容的提问来源于stack exchange，提问作者Nir Ben-Israel