如何在AWS Lambda中用poppler-utils安装pdftotext？及Python2.7下该命令本地可用Lambda不可用原因

1. 如何在AWS Lambda环境中安装pdftotext命令？ #

Lambda的运行环境是Amazon Linux（针对Python 2.7的运行时，底层是Amazon Linux AMI），没办法像Ubuntu那样直接用apt-get安装poppler-utils。你需要预编译适配Lambda环境的二进制文件，然后打包到你的部署包中，具体步骤如下：

• 先搭建一个和Lambda一致的编译环境：
  你可以用EC2实例启动Amazon Linux AMI，或者用Docker的amazonlinux镜像来模拟环境。
• 在这个环境中编译poppler：
  1. 先安装编译依赖：

     sudo yum install gcc-c++ pkg-config poppler-devel
     

  2. 下载合适版本的poppler源码（比如0.82.0，这个版本和Python2.7的Lambda环境兼容性较好），编译并安装到本地目录：

     wget https://poppler.freedesktop.org/poppler-0.82.0.tar.xz
     tar xf poppler-0.82.0.tar.xz
     cd poppler-0.82.0
     ./configure --prefix=$HOME/poppler-build
     make && make install
     

• 提取需要的文件：
  从$HOME/poppler-build/bin复制pdftotext二进制文件，再用ldd pdftotext查看它依赖的所有系统库，把这些.so文件也复制出来（比如libpoppler.so、libfontconfig.so等）。
• 打包到Lambda部署包：
  在你的Lambda项目目录下创建bin/和lib/文件夹，把pdftotext放到bin/，依赖库放到lib/。然后在代码中设置环境变量，让系统能找到这些文件：

  import os
  import subprocess
  
  def lambda_handler(event, context):
      # 更新PATH和LD_LIBRARY_PATH，确保系统能找到pdftotext和依赖库
      base_dir = os.getcwd()
      os.environ['PATH'] += f':{os.path.join(base_dir, "bin")}'
      os.environ['LD_LIBRARY_PATH'] = os.path.join(base_dir, "lib")
      
      # 调用pdftotext示例
      try:
          subprocess.run(['pdftotext', '/tmp/input.pdf', '/tmp/output.txt'], check=True)
          return {"status": "success", "message": "PDF转换完成"}
      except subprocess.CalledProcessError as e:
          return {"status": "error", "message": str(e)}
  

• 最后把整个项目目录（包括代码、bin、lib）打包成ZIP文件，上传到Lambda即可。

2. 为什么pdftotext在本地Ubuntu正常，却在Lambda Python2.7环境中无法工作？ #

主要是环境不匹配导致的，具体有几个关键点：

• 系统库差异：Ubuntu和Lambda的Amazon Linux AMI使用的glibc、libpoppler等系统库版本和路径完全不同。你在Ubuntu上的pdftotext二进制文件依赖的库，在Lambda环境中要么不存在，要么版本不兼容，直接上传会报类似version GLIBC_2.25' not found`的错误。
• 路径问题：Lambda的默认PATH环境变量不包含你上传的pdftotext所在的目录，系统找不到这个命令，会抛出FileNotFoundError。
• 权限不足：如果打包前没有给pdftotext设置执行权限（chmod +x pdftotext），Lambda运行时会因为没有权限执行该文件而失败。
• 依赖库缺失：pdftotext依赖很多底层库，你只上传二进制文件的话，Lambda环境中缺少这些依赖，程序无法启动。

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