PDFInfoNotInstalledError AWS Lambda 找不到带有 pdf2image 的 Poppler 路径

Question

按照此处的指南：https://www.petewilcock.com/using-poppler-pdftotext-and-other-custom-binaries-on-aws-lambda/ 我能够使用 EC2 获取二进制文件。但现在对于最后一步，我似乎找不到让 pdf2image 使用 poppler 路径的方法。出现错误：

  "errorMessage": "Unable to get page count. Is poppler installed and in PATH?",
  "errorType": "PDFInfoNotInstalledError",

我尝试过的：

1. 使用该指南中的 package.zip 添加 lambda 层，然后 在没有 poppler_path 的情况下调用 convert_from_bytes()
2. 使用该指南中的 package.zip 添加 lambda 层，然后使用 poppler_path = '/opt/lib/' 调用 convert_from_bytes()
3. 将 /lib 和 /bin 目录直接添加到我的 lambda 并使用 poppler_path = '/var/task/lib/' 调用 convert_from_bytes()

4. 使用该指南中的 package.zip 添加 lambda 层，并添加映射到 /opt/ 的环境变量 PATH 4a。做同样的事情并将其映射到 /opt/lib/

   4b。做同样的事情并将其映射到 /opt/bin/

我的 lambda 用于上述之一：

import json
import base64
import os
from uuid import uuid4
from pdf2image import convert_from_bytes

POPPLER_PATH = '/opt/lib/'

def text_process_handler(event, context):
    document = bucketHelper.get_bucket_object('<Bucket>', '<document>.pdf')
    images = convert_from_bytes(document,dpi=150, poppler_path=POPPLER_PATH)

    return {
        "statusCode": 200,
        "body": json.dumps({
            "message": "Successful request."
        }),       
    }

我的package.zip 看起来像：

+--lib
|  +--libpoppler.so.70
|  +--libtiff.so.5
|  +--etc...
+--bin
|  +--pdftoppm
|  +--pdftotext
|  +--etc...

Answer 1

了解问题

好吧，我在前两天一直在研究这个问题，甚至深入到 pdf2image 包以了解错误发生的原因。

这里是什么导致错误： pdf2image python 包使用子进程库来运行二进制文件，如（pdfinfo，pdftocairo，...等）

它运行像pdfinfo /path/to/pdf/file这样的Linux命令 并且似乎压缩时的二进制文件位于chmod -R 750（在我的情况下），这会阻止子进程库运行导致错误“权限被拒绝”的命令，然后返回 pdf2image 包以告诉您您面临的相同错误。

如何解决：

确保在压缩二进制文件之前，运行 chmod -R 777 . 将文件修改到 777 上

然后在运行convert_from_path() 方法时将poppler_path 设置为您的二进制文件扩展。

就是这样

注意：我创建了一个层以仅包含要使用的 popplet-utils 二进制文件 在函数中。