调用pdfminer.high_level.extract_text时出现模块无high_level属性的问题咨询
报错现象
执行PDF文本提取逻辑时抛出以下异常:
File "/Users/ian/Documents/Resume Selector Project/resumeBackend.py", line 5, in digestResume text = pdfminer.high_level.extract_text AttributeError: module 'pdfminer' has no attribute 'high_level'
已做初步排查:在项目目录下直接运行pdf2txt.py可以正常完成PDF转文本流程,排除了pdfminer未安装、环境路径不匹配的问题。
触发问题的测试代码如下:
import pdfminer print(pdfminer.__version__) res = '~/Documents/Personal/Employment/Resumes/Resume\ 11/03/2020' def digestResume(resume): #resume is a pdf file (as str) text = pdfminer.high_level.extract_text(resume) print(text) digestResume(res)
问题原因
这个报错和pdfminer的实际安装状态无关,是Python子模块加载机制导致的:
仅执行import pdfminer时,解释器只会加载顶层pdfminer基础模块,不会自动递归加载它名下的所有子模块(比如high_level、pdfinter、converter这类)。没有被显式导入的子模块,不会作为属性挂载到顶层pdfminer对象上,直接通过pdfminer.xxx的层级路径访问,就会触发属性不存在的报错。
之前直接运行pdf2txt.py功能正常,是因为这个官方脚本内部已经显式导入了所有依赖的pdfminer子模块,脚本运行过程中会自动把这些子模块挂载到顶层pdfminer对象上,因此不会出现访问异常。单独运行自写的代码时,因为没有提前加载目标子模块,自然就触发了报错。
修复方法
- 最推荐的写法是直接显式导入需要的函数,不要走顶层模块嵌套路径调用:
# 替换原有的import pdfminer语句 from pdfminer.high_level import extract_text import os # 路径兼容处理:自动展开~开头的用户目录路径,避免文件找不到 res = os.path.expanduser('~/Documents/Personal/Employment/Resumes/Resume 11-03-2020.pdf') def digestResume(resume): text = extract_text(resume) print(text) digestResume(res) - 注意修正原代码的路径问题:原代码里用反斜杠转义空格、把日期作为目录层级写在路径里的写法存在错误,直接填写实际存在的PDF文件的绝对路径即可,不需要手动转义空格。
- 如果一定要保留
pdfminer.high_level的调用形式,只需要在导入顶层模块后,显式导入对应子模块,让它挂载到顶层模块对象上即可:import pdfminer # 显式加载high_level子模块 import pdfminer.high_level # 之后就可以正常调用pdfminer.high_level.extract_text了
内容的提问来源于stack exchange,提问作者iamianbrown
相关产品推荐
相关产品推荐

