Google Colab中用Pdf2Image转PDF遇UnidentifiedImageError求助

问题描述 #

在Google Colab使用pdf2image工具转换PDF为图片时触发错误：

UnidentifiedImageError: cannot identify image file <_io.BytesIO object at 0x7f241957a950>

此前相同代码运行正常，已尝试!sudo apt-get update、安装poppler-utils、改用convert_from_path等操作均无效，仅单独安装pdf2image相关依赖时可正常运行，怀疑与tesseract、PyPDF2等工具的安装存在依赖冲突。

使用代码：

from pdf2image import convert_from_bytes
file = "/content/example.pdf"
images = convert_from_bytes(open(file, 'rb').read(), size=800, dpi=800)

解决方案 #

1. 强制重装核心依赖 #

Colab环境中已安装的其他工具可能篡改了pillow（图片处理核心依赖）或pdf2image的版本，执行以下命令强制重装兼容版本：

!sudo apt-get install -y poppler-utils
!pip install --force-reinstall pdf2image pillow==9.5.0

指定pillow固定版本可避免因版本更新导致的兼容性问题。

2. 明确指定poppler路径 #

部分情况下，poppler的路径未被正确识别，改用convert_from_path并显式指定poppler路径：

from pdf2image import convert_from_path
file = "/content/example.pdf"
# Colab中poppler默认安装路径为/usr/bin
images = convert_from_path(file, size=800, dpi=800, poppler_path='/usr/bin')

3. 排查冲突依赖 #

逐步安装可疑工具，每次安装后测试转换功能，定位冲突源：

# 先测试基础环境是否正常
!pip uninstall -y pytesseract PyPDF2
# 测试转换代码，确认正常后再逐个安装
!pip install pytesseract PyPDF2
# 每安装一个工具就运行转换代码，找到导致错误的包后锁定兼容版本

4. 重置Colab运行时 #

如果以上方法无效，直接重置Colab运行时（菜单栏→Runtime→Factory reset runtime），重新安装必要依赖：

!sudo apt-get update
!sudo apt-get install -y poppler-utils
!pip install pdf2image

再运行转换代码，避免环境被其他无关依赖污染。

内容的提问来源于stack exchange，提问作者Notaginger