Python中3+版本运行2+版本程序出现TypeError: a bytes-like object is required, not 'str'之读取PDF中的图片

Python中3+版本运行2+版本程序出现TypeError: a bytes-like object is required, not 'str'问题之提取PDF中的图片程序

问题1. 本文中出现这一问题的场景（还有套接字的编程也有这一问题）

本文中是因为在3.5的Python版本中使用了2.7版本的程序，在一定的修改后出现open（“filename”，"rb"）读取的结果在使用find函数的时候出现的上述错误。这种错误是因为以“rb”方式读取的的数据是byte数据，是二进制的方式读取的，所以在使用find的函数的时候也一定要使用相同的数据类型的数据，即也要使用比特数据。具体的操作只修要在find函数要查找的字符串的前面加上一个字符b即可。

问题2. 提取PDF中的图片的例子

原程序是用Python2.7编写的，网址：https://stackoverflow.com/questions/43212573/textract-cannot-read-a-jpegimagefile-stringio-objects/43317792#43317792，更改过后的程序如下

pdf = open('E:GET201506.pdf', "rb").read()

startmark = "\xff\xd8"
startfix = 0
endmark = "\xff\xd9"
endfix = 2
i = 0

njpg = 0
while True:
    istream = pdf.find(b"stream", i)

    if istream < 0:
        break
    istart = pdf.find(b"\xff\xd8", istream, istream+20)

    if istart < 0:
        i = istream+20
        continue
    iend = pdf.find(b"endstream", istart)
    if iend < 0:
        raise Exception("Didn't find end of stream!")
    iend = pdf.find(b"\xff\xd9", iend-20)
    if iend < 0:
        raise Exception("Didn't find end of JPG!")
     
    istart += startfix
    iend += endfix
    print("JPG %d from %d to %d" % (njpg, istart, iend))
    jpg = pdf[istart:iend]
    jpgfile = open("jpg%d.jpg" % njpg, "wb")
    jpgfile.write(jpg)
    jpgfile.close()
     
    njpg += 1
    i = iend

运行的结果如下

程序的关键是找到“stream”和“endstream”，以及以下两个字段的位置，startmark就是图片数据开始，endmark就是图片数据的结束。

startmark = "\xff\xd8"

endmark = "\xff\xd9"

这是因为对于JPEG文件有固定的文件头和文件尾：

Start Marker  | JFIF Marker | Header Length | Identifier
0xff, 0xd8    | 0xff, 0xe0  |    2-bytes    | "JFIF\0"

尾部数据如下图：