Tabula-py не может найти файл PDF

Question

Хочу разобрать файл PDF с помощью pdfminer и tabula

Я прочитал этот вопрос, и я использую этот код:

из pdfminer.pdfparser импорт PDFParser из pdfminer.pdfdocument импорт PDFDocument

import magic
from pyPdf import PdfFileWriter, PdfFileReader
import tabula
import numpy as np
filename = '/home/parser/test.pdf'
magic.from_file(filename,mime=True)

ifpdf = PdfFileReader(file(filename, "rb"))

pdf_info = ifpdf.getDocumentInfo()

nm = [ 'Info_1', 'Info_2','Info_3','Info_4']
df = tabula.read_pdf(filename,pages="all",lattice="all",pandas_options={'header': None,'names':nm,'encoding':'utf-8'})

df.refenseigne.replace(to_replace=r"(M|C)\r",value="",regex=True,inplace=True)
df.to_csv("test.csv",encoding="utf-8")

Когда я выполняю свой код, я получаю эту ошибку

Traceback (most recent call last):
  File "parse_pdf.py", line 16, in <module>
    df = tabula.read_pdf(filename,pages="all",lattice="all",pandas_options={'header': None,'names':nm,'encoding':'utf-8'})
  File "/usr/local/lib/python2.7/dist-packages/tabula/wrapper.py", line 87, in read_pdf
    output = subprocess.check_output(args)
  File "/usr/lib/python2.7/subprocess.py", line 567, in check_output
    process = Popen(stdout=PIPE, *popenargs, **kwargs)
  File "/usr/lib/python2.7/subprocess.py", line 711, in __init__
    errread, errwrite)
  File "/usr/lib/python2.7/subprocess.py", line 1343, in _execute_child
    raise child_exception
OSError: [Errno 2] No such file or directory

что странно, что в строке 9 и 11 я могу найти файл, но в строке 16 у меня есть эта ошибка.

Я ошибаюсь или это проблема табула?

Answer 1

Я столкнулся с такой же проблемой в Ubuntu.

Сначала проверьте версию JDK и JRE, установленных на вашем компьютере, запустив java --version и javac --version. У каждого должна быть версия выше 7.

Затем используйте pip3 для установки tabula.

он начал читать, но показал следующую ошибку

WARNING: Using fallback font 'LiberationSerif' for 'TimesNewRomanPSMT'
May 10, 2019 12:36:29 PM org.apache.pdfbox.pdmodel.font.PDTrueTypeFont