如何使用Python直接将PDF下载至内存并通过PyPDF2的PdfReader读取

核心需求就是用requests拉取PDF文件，全程不保存到硬盘，直接用PyPDF2解析。关键思路是利用requests响应的类文件字节流对象直接喂给PyPDF2的PdfReader，完全绕开本地存储环节。

实现代码 #

from requests import get
from PyPDF2 import PdfReader

class ServerClient:
    def __init__(self, work_url, ticket):
        self.workUrl = work_url
        self.ticket = ticket

    def readFile(self, id):
        # 发起请求获取PDF字节流
        req = get(f'{self.workUrl}{id}/content', headers={'OTCSTicket': self.ticket})
        if req.status_code == 200:
            # 返回响应的原始字节流对象，PyPDF2可直接读取
            return req.raw
        else:
            raise Exception(f'请求失败，错误码 {req.status_code}')

# 使用示例
server = ServerClient("你的服务地址前缀", "你的OTCSTicket认证凭证")
pdf_stream = server.readFile("目标PDF的ID")
reader = PdfReader(pdf_stream)

# 验证读取成功：打印PDF总页数
print(f"该PDF共有 {len(reader.pages)} 页")

关键细节说明 #

• req.raw 是requests返回的原始字节流对象，实现了类文件接口（支持read()方法），刚好匹配PyPDF2的PdfReader对输入的要求，不需要额外格式转换。
• 代码里的OTCSTicket是示例服务的认证头，实际使用时替换成你目标服务要求的认证参数即可。
• 状态码判断必不可少，避免把错误响应（比如404、500）当成PDF流传入PdfReader，导致解析报错。

额外提示 #

如果处理大PDF，这种流式读取的方式比一次性加载整个PDF到内存更高效；后续要提取文本、操作页面等，直接基于reader对象处理就行，全程都在内存中完成。

内容的提问来源于stack exchange，提问作者Luca2501