PyPDF2的cmap文件出现UnboundLocalError的原因排查求助

问题定性 #

这个错误是PyPDF2本身的bug，和你的脚本代码无关。报错根源是_cmap.py里的prepare_cm函数存在逻辑漏洞：当处理某些特殊格式的PDF CMAP时，局部变量cm未被初始化就被引用，触发UnboundLocalError。

错误原因 #

在prepare_cm函数中，cm变量仅在特定代码分支（比如处理标准CMAP格式的逻辑块）里被赋值，但如果目标PDF使用的CMAP不在这些分支覆盖范围内，代码会跳过所有赋值步骤，直接执行后续引用cm的代码，从而触发报错。

修复方案 #

1. 临时修复（你当前的方法）：手动在prepare_cm函数开头添加cm = ""，能临时绕过报错，但属于修改依赖包源码的侵入式操作，不利于后续版本升级维护。
2. 正式解决方案：
   • 升级PyPDF2到最新稳定版：官方大概率已经修复了这个CMAP处理的逻辑问题，执行命令：pip install --upgrade pypdf2
   • 如果升级后仍有问题，可替换为PyMuPDF（fitz）库处理PDF文本提取，它对各类CMAP的兼容性更好，底层报错更少。

脚本本身无问题验证 #

你的脚本是更新语法后用于PDF拆分和文本提取，只要逻辑符合PyPDF2的最新API规范，就不会引发这类底层CMAP处理错误。报错栈明确指向PyPDF2内部的_cmap.py文件，直接证明问题出在依赖包而非你的业务代码。

内容的提问来源于stack exchange，提问作者Ben Wedlund