if not page.image: 报错 if not page.image: ^^^^^^^^^^ File "D:\install\Python312\Lib\site-packages\pydantic\main.py", line 988, in __getattr__ return super().__getattribute__(item) # Raises AttributeError if appropriate ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "D:\install\Python312\Lib\site-packages\docling\datamodel\base_models.py", line 271, in image return self.get_image(scale=self._default_image_scale) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "D:\install\Python312\Lib\site-packages\docling\datamodel\base_models.py", line 254, in get_image self._image_cache[scale] = self._backend.get_page_image(scale=scale) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "D:\install\Python312\Lib\site-packages\docling\backend\docling_parse_v4_backend.py", line 96, in get_page_image page_size = self.get_size() ^^^^^^^^^^^^^^^ File "D:\install\Python312\Lib\site-packages\docling\backend\docling_parse_v4_backend.py", line 131, in get_size return Size(width=self._ppage.get_width(), height=self._ppage.get_height()) ^^^^^^^^^^^^^^^^^^^^^ AttributeError: 'NoneType' object has no attribute 'get_width'

从错误信息来看，问题出在 `page.image` 的调用过程中。具体来说，`self._ppage` 是 `NoneType`，导致无法调用其方法 `get_width()`。这表明某些页面的底层数据可能没有正确初始化。 以下是针对该问题的解决方案和改进代码。 --- ### 回答问题 #### 修改代码以适配潜在的空值 为了防止因 `self._ppage` 为 `None` 导致的错误，我们需要在访问 `page.image` 之前增加检查逻辑。如果 `page.image` 或其依赖的数据为空，则跳过当前页面的图片处理。 以下是改进后的代码： ```python import pathlib import time from docling.datamodel.base_models import InputFormat from docling.datamodel.pipeline_options import PdfPipelineOptions, EasyOcrOptions from docling.document_converter import DocumentConverter, PdfFormatOption # 指定模型路径 artifacts_path = "D:/model/docling-models" # 指定OCR模型 easyocr_options = EasyOcrOptions() # 支持中文和英文 easyocr_options.lang = ['ch_sim', 'en'] pipeline_options = PdfPipelineOptions(artifacts_path=artifacts_path) # 设置支持OCR pipeline_options.do_ocr = True # 设置支持表结构 pipeline_options.do_table_structure = True # 指定OCR模型，可以不设置 pipeline_options.ocr_options = easyocr_options start_time = time.time() # 初始化转换器 converter = DocumentConverter( format_options={ InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options) } ) # 源文件路径 source = "../data/Docling文档.pdf" result = converter.convert(source) # 检查是否有页面数据 if not result.pages: print("警告：PDF 文件中未提取到任何页面数据！") else: print(f"成功提取 {len(result.pages)} 页数据。") # 提取并保存图片 pictures_directory = pathlib.Path("../data/pictures/") pictures_directory.mkdir(parents=True, exist_ok=True) # 确保目录存在 for page_index, page in enumerate(result.pages): print(f"处理第 {page_index} 页...") try: # 检查是否有图片数据 if hasattr(page, 'image'): image_bytes = page.image if image_bytes: image_path = pictures_directory / f"{page_index}.png" image_path.write_bytes(image_bytes) print(f"已保存图片至 {image_path}") else: print(f"警告：第 {page_index} 页中的图片数据为空！") else: print(f"警告：第 {page_index} 页未检测到图片属性！") except AttributeError as e: print(f"错误：处理第 {page_index} 页时发生异常 - {e}") # 导出为HTML md_text = result.document.export_to_html() if not md_text: print("警告：未能成功导出HTML内容！") else: html_path = pathlib.Path("../data/Docling文档.html") html_path.write_bytes(md_text.encode()) print(f"已保存HTML文件至 {html_path}") print("--- %s seconds ---" % (time.time() - start_time)) ``` --- ### 解释代码改进点 1. **增加异常捕获** 使用 `try-except` 块捕获可能的 `AttributeError` 异常，确保程序不会因单个页面的问题而崩溃。 2. **检查图片数据是否为空** 在访问 `page.image` 后，进一步检查其是否为空。如果为空，输出警告信息并继续处理下一页。 3. **增强日志输出** 在每个页面处理完成后，输出详细的日志信息，帮助用户了解哪些页面存在问题。 4. **保持目录创建逻辑** 确保图片保存目录存在，避免因目录缺失导致的错误。 --- ###