使用PyPDF2统计PDF词频时出现FloatObject无效警告如何解决？

你编写的PDF单词统计函数运行时出现的FloatObject (b'0.000000000000-14210855') invalid; use 0.0 instead提示，是因为PyPDF2在解析格式不规范的PDF文件时输出的警告日志——即使设置了strict=False，这类非致命警告依然会被打印。以下是两种消除提示的方法：

方法一：屏蔽PyPDF2的警告日志（推荐） #

直接通过Python的logging模块将PyPDF2的日志级别调高到ERROR，过滤掉所有警告信息，只保留严重错误日志，完全不影响你的统计逻辑。

修改后的完整代码如下：

import os
import re
import PyPDF2
import logging

# 把PyPDF2的日志级别设为ERROR，屏蔽警告输出
logging.getLogger("PyPDF2").setLevel(logging.ERROR)

def count_words(word):
    print()
    print('Counting words..')

    files = os.listdir('./pdfs')
    counted_words = []

    for idx, file in enumerate(files, 1):
        with open(f'./pdfs/{file}', 'rb') as pdf_file:
            ReadPDF = PyPDF2.PdfFileReader(pdf_file, strict=False)
            pages = ReadPDF.numPages

            words_count = 0

            for page in range(pages):
                pageObj = ReadPDF.getPage(page)
                data = pageObj.extract_text()
                words_count += sum(1 for match in re.findall(rf'\b{word}\b', data, flags=re.I))

            counted_words.append(words_count)
        
        print(f'File: {idx}')
    
    return counted_words

方法二：修复PDF文件格式（可选） #

如果不想屏蔽日志，可以用PDF编辑工具（如Adobe Acrobat）重新保存有问题的PDF文件，修复其中的浮点数格式错误。但这种方法需要逐个处理PDF文件，效率较低，仅适合PDF数量较少的场景。

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