使用 pdfplumber 和 Paramiko 从 SFTP 服务器读取 PDF 文件

Question

我直接连接到 SFTP 服务器 – 连接没有任何问题，我可以显示所选目录中的文件，没有任何大问题。服务器上有不同的文件，我有几个读取它们的函数，下面是一段关于 .pdf 文件的代码 – 我使用 pdfplumber 读取 PDF 文件：

# SSH.connect configuration

sftp = ssh.open_sftp()

path = "/server_path/.."
for filename in sftp.listdir(path):
    fullpath = path + "/" + filename
    if filename.endswith('.pdf'):
        #fullpath - full server path with filename - like /server_path/../file.pdf
        #filename - filename without path - like file.pdf
        with sftp.open(fullpath, 'rb') as fl:
            pdf = pdfplumber.open(fl)

在这个 for 循环中，我想读取所选目录中的所有 .pdf 文件 - 它在本地主机上对我来说没有任何问题。

我试过用这种方法解决with sftp.open(path, 'rb') as fl: - 但在这种情况下这个解决方案不起作用，出现这样的错误代码：

Traceback (most recent call last):
pdf = pdfplumber.open(fl)
return cls(open(path, "rb"), **kwargs)
TypeError: expected str, bytes or os.PathLike object, not SFTPFile

pdfplumber.open 将文件的确切路径及其名称作为参数——在本例中为完整路径。我怎样才能解决这个问题，让它直接从服务器工作？在这种情况下如何管理内存——因为我知道这些文件以某种方式被拉入内存。请给我一些提示。

Answer 1

Paramiko SFTPClient.open returns 类文件对象。

要用 pftplumber 使用类文件对象，似乎可以使用 load function:

pdf = pdfplumber.load(fl)

你也会想读这个：

由于 Paramiko 类文件对象在与 pftplumber.load 函数结合使用时似乎效果不佳，作为解决方法，您可以将文件下载到内存中：

flo = BytesIO()
sftp.getfo(fullpath, flo)
flo.seek(0)
pdfplumber.load(flo)

见

使用 pdfplumber 和 Paramiko 从 SFTP 服务器读取 PDF 文件

Use pdfplumber and Paramiko to read a PDF file from an SFTP server

python

sftp

paramiko