如何在Flask中读取、保存上传的PDF文件并提取文本内容

1 保存文件为空的问题修复 #

当前保存的PDF为空的核心原因是前端表单未声明文件上传必需的编码格式：
HTML表单默认编码类型为application/x-www-form-urlencoded，仅支持传输文本数据，无法传输二进制文件内容，需要给form标签添加enctype="multipart/form-data"属性，修改后的前端表单代码如下：

<form method='POST' action='/saveData' enctype="multipart/form-data">
  <input type='file' name='testReport' multiple> <!-- 加multiple属性支持多文件上传 -->
  <input type='submit'>
</form>

修改后再调用save()方法即可生成正常可读取的PDF文件。 #

2 无需本地存储 直接操作上传的PDF对象 #

Flask中request.files拿到的文件是Werkzeug FileStorage类实例，本身支持类文件操作，不需要先存到本地，可以直接读取字节流交给PDF处理库解析，常用的PDF文本提取库有PyPDF2、pdfplumber，示例操作如下：

安装依赖 #

pip install pypdf2

完整可运行代码示例 #

from flask import Flask, request
import os
from PyPDF2 import PdfReader
from io import BytesIO
from werkzeug.utils import secure_filename # 用于文件名安全校验

app=Flask(__name__)
app.config['UPLOAD_FOLDER'] = './uploads' # 配置上传目录，会自动创建
os.makedirs(app.config['UPLOAD_FOLDER'], exist_ok=True)

@app.route('/')
def index():
    return '''
        <form method='POST' action='/saveData' enctype="multipart/form-data">
        <input type='file' name='testReport' multiple>
        <input type='submit'>
        </form>
    '''

@app.route('/saveData', methods=['POST'])
def saveData():
    if 'testReport' not in request.files:
        return '未上传文件'
    # 多文件上传用getlist遍历所有文件
    files = request.files.getlist('testReport')
    all_text = ''
    for testReport in files:
        if testReport.filename == '':
            continue
        # 文件名安全处理，防止恶意构造文件名导致的路径穿越漏洞
        filename = secure_filename(testReport.filename)
        # 可选：保存文件到本地
        save_path = os.path.join(app.config['UPLOAD_FOLDER'], filename)
        testReport.save(save_path)
        # 直接从流读取PDF内容，无需读本地文件
        testReport.stream.seek(0) # 重置文件指针到开头（如果之前调用过save()必须加，否则可以省略）
        pdf = PdfReader(BytesIO(testReport.read()))
        # 提取所有页文本
        for page in pdf.pages:
            all_text += page.extract_text() + '\n'
    return f'<h1>文件处理完成，提取文本长度：{len(all_text)}</h1>'
        
if __name__ == '__main__':
    app.run(debug=True)

3 注意事项 #

• 务必使用secure_filename处理用户上传的文件名，避免安全风险
• 可以添加文件后缀校验，仅允许后缀为.pdf的文件上传，避免处理非法文件
• 若调用save()方法后再操作流，必须调用testReport.stream.seek(0)重置文件指针到开头，否则读取到的内容为空

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