引言
最近在爬一个网站，然后爬到详情页的时候发现，目标内容是用pdf在线预览的
比如如下网站：
https://camelot-py.readthedocs.io/en/master/_static/pdf/foo.pdf
根据我的分析发现，这样的在线预览pdf的采用了pdfjs加载预览，用爬虫的方法根本无法直接拿到pdf内的内容的，对的，你注意到了我说的【根本无法直接拿到】中的直接两个字，确实直接无法拿到，怎么办呢？只能把pdf先下载到本地，然后用工具转了，经过我查阅大量的相关资料发现，工具还是有很多：
1.借用第三方的pdf转换网站转出来
2.使用Python的包来转：如：pyPdf，pyPdf2，pyPdf4，pdfrw等工具
这些工具在pypi社区一搜一大把：
但是效果怎么样就不知道了，只能一个一个去试了，到后面我终于找到个库，非常符合我的需求的库 ——camelot
camelot可以读取pdf文件中的数据，并且自动转换成pandas库（数据分析相关）里的DataFrame类型，然后可以通过DataFrame转为csv,json,html都行，我的目标要的就是转为html格式，好，废话不多说，开始搞
开始解析
1.安装camelot:
pip install camelot-py
pip install cv2 （因为camelot需要用到这个库）
2.下载pdf：因为在线的pdf其实就是二进制流，所以得按照下载图片和视频的方式下载，然后存到本地的一个文件里，这个步骤就不多说了
3.解析：
importcamelot
file= 'temp.pdf'table= camelot.read_pdf(file,flavor='stream')
table[0].df.to_html('temp.html')
以上的temp.html就是我希望得到的数据了，然后根据我的分析发现，在read_pdf方法里一定带上参数 【flavor='stream'】，不然的话就报这个错：
RuntimeError: Please make sure that Ghostscript is installed
原因就是，read_pdf默认的flavor参数是lattice，这个模式的话需要安装ghostscript库，然后你需要去下载Python的ghostscript包和ghostscript驱动（跟使用selenium需要下载浏览器驱动一个原理），而默认我们的电脑肯定是没有安装这个驱动的，所以就会报上面那个错。我试着去装了这个驱动和这个包，去read_pdf时其实感觉没有本质区别，是一样的，所以带上参数flavor='stream'即可，当然如果你硬要用lattice模式的话，安装完ghostscript包和ghostscript驱动之后，记得在当前py文件用 【import ghostscript】导入下这个包，不然还是会报如上错误
继续走，发现能拿到我想要的数据了，非常nice,然后突然的，报了如下错误：
PyPDF2.utils.PdfReadError: EOF marker not found
当时就是卧槽，这什么情况，我开始去研究EOF marker是什么意思，但是我直接打开这个pdf文件又是正常的
非常诡异，网上查阅了一堆，大概意思就是说，没有EOF结束符，这个东西在之前我做js开发的时候遇到过，js的语句体{}，少了最后的【}】，
我又去了解了下EOF到底在二进制文件指的什么，然后看到老外的这个帖子：
我用同样的方法查看数据的前五个字符和后五个字符：
好像有了眉目，我以文本的方式打开了我下载到本地的一个pdf，在%%EOF结尾之后还有很多的null
难道是NULL的问题？我手动删掉null之后，单独对这个修改过的pdf用pdf查看器打开，正常打开，没有问题，我接着用代码针对这个文件执行read_pdf，发现非常神奇的不会报错了，那还真是结尾的NULL元素了。
然后我在从网上读取到pdf之后的二进制部分用字符串的strip()方法，以为用strip可以去除那些null，结果发现还是如此
-------------------------------------
那就只有先锁定 %%EOF 所在位置，然后切片操作了，部分代码如下，果然问题解决，但同时又报了一个新的错，这个就是个编码问题了，相信搞爬虫的朋友们对这个问题非常熟悉了
先暂时不管这个问题，我又改了下目标网站的指定页码
pdfminer.psparser.SyntaxError: Invalid dictionary construct: [/'Type', /'Font', /'Subtype', /'Type0', /'BaseFont', /b"b'", /"ABCDEE+\\xcb\\xce\\xcc\\xe5'", /'Encoding', /'Identity-H', /'DescendantFonts',
