Python监控C盘PDF转可搜索PDF时，cv2.imread读取图片失败报错

针对你监控整个C盘时遇到的cv2.imread返回None、导致pytesseract报错的问题，下面是几个大概率的原因和对应的解决办法：

1. 系统权限不足（最常见） #

监控C盘时，很多系统目录（如C:\Windows、C:\Program Files）需要管理员权限才能读写。你的程序可能没有权限在这些目录下生成JPG，或者生成后无法读取。

• 解决：
  • 右键Python脚本/IDE，选择以管理员身份运行
  • 把临时保存JPG的文件夹改到非系统目录，比如C:\Users\你的用户名\Desktop\OCR_Temp，提前创建好并确保该文件夹有读写权限

2. 路径长度超出Windows限制 #

Windows默认路径长度上限是260字符，C盘深层目录的文件路径很容易突破这个限制，导致文件保存或读取失败。

• 解决：
  • 启用Windows长路径支持：打开注册表编辑器，定位到HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem，把LongPathsEnabled的值改为1（需要重启生效）
  • 用Python的pathlib模块处理路径，它原生支持长路径，避免手动拼接路径时出错
  • 把临时JPG文件夹放在根目录附近，尽量缩短路径长度

3. 文件未完全写入就触发处理 #

watchdog的on_created事件触发时，PDF转JPG的过程可能还没完成，此时读取的是不完整的JPG文件，自然返回None。

• 解决：
  • 在处理前添加短延迟，比如time.sleep(1)（根据文件大小调整时长）
  • 循环检查文件大小是否稳定，比如间隔0.5秒获取两次文件大小，一致后再处理：

    import os
    import time
    
    def wait_for_file_write(file_path):
        prev_size = -1
        while True:
            current_size = os.path.getsize(file_path)
            if current_size == prev_size:
                break
            prev_size = current_size
            time.sleep(0.5)
    

4. JPG文件转换损坏 #

PDF转JPG过程中，因权限、资源不足等问题导致生成的JPG损坏，cv2无法识别。

• 解决：
  • 手动打开临时文件夹里的JPG文件，确认是否能正常显示
  • 更换PDF转JPG的工具，比如用pdf2image库替代原有转换逻辑，稳定性更好：

    from pdf2image import convert_from_path
    
    # 把PDF转成PIL Image对象，直接传给pytesseract（甚至可以不用保存成JPG）
    pages = convert_from_path("input.pdf")
    for page in pages:
        text = pytesseract.image_to_string(page)
        # 后续处理逻辑
    

额外排查技巧 #

如果以上方法都无效，可以在cv2.imread前加日志，打印要读取的JPG路径、文件是否存在、文件大小，定位具体是文件没生成还是读取失败：

import cv2
import os

jpg_path = "你的JPG路径"
print(f"尝试读取：{jpg_path}")
print(f"文件存在：{os.path.exists(jpg_path)}")
if os.path.exists(jpg_path):
    print(f"文件大小：{os.path.getsize(jpg_path)}字节")
img = cv2.imread(jpg_path)
if img is None:
    print("读取失败，尝试用PIL读取")
    from PIL import Image
    try:
        img = Image.open(jpg_path)
        print(f"PIL读取成功，尺寸：{img.size}")
    except Exception as e:
        print(f"PIL读取也失败：{str(e)}")

内容的提问来源于stack exchange，提问作者DEE_legal