什么是“没有空字节的字符串，而不是二进制”的数据？

Question

我可以使用poppler library 轻松地从 pdf 创建图像：

pdftoppm -png myfile.pdf > myfile.png

我现在正在尝试使用python-poppler library 在 Python 中执行相同的操作。安装 lib (sudo apt-get install python-poppler) 后，我可以使用以下命令加载 pdf 文件：

doc = poppler.document_new_from_file('file://'+urllib(inputF), password=None)

但我现在想从二进制文件加载一个 pdf 文件。我以为我可以使用方法poppler.document_new_from_data()，所以我尝试了以下，它返回一个类型错误：

>>> d = poppler.document_new_from_data(userDoc.binary)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
TypeError: document_new_from_data() argument 1 must be string without null bytes, not Binary

我不确定这意味着什么。什么“数据”可以是“没有空字节的字符串，而不是二进制”？我尝试检查该方法的源代码，但源文件 (here) 甚至不包含单个 .py 文件。

我尝试将二进制文件转换为 base64，但这会导致错误提示 TypeError: Required argument 'length' (pos 2) not found。

欢迎任何帮助！

[编辑] 感谢@Vaulstein 的提示，我现在走得更远了：

s = binascii.a2b_base64(userDoc.binary)
r = poppler.document_new_from_data(s, len(s), password='')Syntax Warning: May not be a PDF file (continuing anyway)
Syntax Error (3): Illegal character <75> in hex string
Syntax Error (4): Illegal character <df> in hex string
Syntax Error (5): Illegal character <5d> in hex string
Syntax Error (6): Illegal character <28> in hex string
Syntax Error (7): Illegal character <6e> in hex string
Syntax Error (8): Illegal character <3f> in hex string
Syntax Error (9): Illegal character <ca> in hex string
Syntax Error (10): Illegal character <89> in hex string
Syntax Error (11): Illegal character <db> in hex string
>>> r = poppler.document_new_from_data(s, len(s), password='')
Traceback (most recent call last):
  File "<input>", line 1, in <module>
GError: PDF document is damaged

但它似乎仍然不是正确的编码。还有其他想法我该怎么做吗？

Answer 1

poppler_document_new_from_data 调用需要将整个二进制数据（包括 0 字节）作为第一个参数传递为 char*（在 Python 2 中通常是 str）。您在 poppler-python 中发现了一个错误。正如@Vaulstein 在评论中指出的那样，它是reported upstream but is unresolved。

作为一种解决方法，将 PDF 存储到文件并使用 ..new_from_file 调用，或者改用 gi.repository.Popplermodule。 （该模块带有 PyGObject；例如，请参阅 here 和 here's the documentation for poppler_document_new_from_data。）