Python读取PDF触发PDFPageCountError报错的原因与解决方法

架构老林

2026-8-30

报错核心原因

代码存在基础逻辑错误：你贴的代码中变量名大小写不统一，定义文件列表用的是小写开头的foundfiles，循环判断时误用大写开头的FoundFiles；PDF计数变量定义为numberoffoundPDFs，累加时却用NumberFoundPDFs。Python对变量名大小写敏感，这部分逻辑要么直接抛运行时错误，要么文件匹配完全错乱，会将非PDF文件误判为PDF送入解析流程。
文件校验逻辑缺失：你仅通过.pdf后缀判断文件类型，没有做真实格式校验。合法PDF文件的前4字节固定为%PDF标识，只要后缀被改成.pdf的非PDF文件（比如同步盘未下载完成的占位文件、软件崩溃生成的0字节临时文件、其他格式强制改后缀的文件），都会触发「找不到trailer字典」「无法读取xref表」这类解析错误。
环境变动触发全量报错：近期所有文件夹都触发该问题的常见诱因包括：同步盘（OneDrive/坚果云等）开启了「按需下载」功能，本地存储的只是云端文件的快捷方式而非真实PDF内容；升级过PDF解析依赖（比如poppler、PyPDF2/pypdf）后，新版本对非标准PDF的容错阈值降低，旧版本能自动跳过的异常新版本直接抛错；磁盘文件系统错误导致文件读取内容异常，并非PDF本身损坏。

可行修复方案

第一步先修正代码逻辑bug，去掉不必要的路径切换操作，增加PDF文件头校验，过滤假PDF文件，参考代码如下：

import os

target_path = r"D:\Users\Folder\example\...\2_ZWB"
# 只遍历路径下的文件，过滤文件夹
all_files = [f for f in os.listdir(target_path) if os.path.isfile(os.path.join(target_path, f))]
pdf_count = 0
valid_pdf_paths = []

for file_name in all_files:
    file_abs_path = os.path.join(target_path, file_name)
    # 不区分大小写判断pdf后缀
    if file_name.lower().endswith(".pdf"):
        pdf_count += 1
        # 读取文件头校验是否为真PDF
        with open(file_abs_path, "rb") as f:
            if f.read(4) == b"%PDF":
                valid_pdf_paths.append(file_abs_path)

print(f"扫描到后缀为pdf的文件共{pdf_count}个，其中真实有效PDF文件{len(valid_pdf_paths)}个")

第二步排查环境异常：如果文件存在同步盘目录下，先右键目标文件夹选择「始终保留在此设备上」，等待所有文件完整下载到本地后再运行程序；如果近期升级过PDF解析相关依赖，回退到此前正常运行的版本即可。
第三步增加异常容错逻辑，批量处理时不要让单个坏文件中断全流程，将解析失败的文件单独记录后续排查，参考逻辑：

# 替换为你实际使用的PDF/OCR导入，比如from PyPDF2 import PdfReader
from pdf2image import convert_from_path

success_count = 0
error_records = []

for pdf_path in valid_pdf_paths:
    try:
        # 此处替换为你原有的PDF读取、OCR处理逻辑
        pdf_pages = convert_from_path(pdf_path)
        # 后续OCR处理代码...
        success_count += 1
    except Exception as e:
        error_records.append(f"文件处理失败：{pdf_path}，错误信息：{str(e)}")
        continue

print(f"处理完成，成功解析PDF共{success_count}个，失败{len(error_records)}个")
for err in error_records:
    print(err)

对文件头正常但解析报错的PDF，可以用pikepdf库自动修复，核心逻辑是打开文件后重新保存，即可重建损坏的xref表和trailer字典，修复后再送入OCR流程即可：

import pikepdf

def fix_corrupted_pdf(input_path, fixed_output_path):
    with pikepdf.open(input_path) as pdf:
        pdf.save(fixed_output_path)

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