近日在公司的某PDF数据采集项目中遇到了一个奇怪的问题。使用pdfminer提取PDF内的部分参数值（中英文混合），源码模式运行工作正常，中英文字符都能提取出来。但是当使用py2exe打包成EXE文件之后，却只能提取出英文字符，无法提取出中文字符。

如下图所示，是PDF文件的截图：

如下图所示，源码模式下测试，提取正常（中英文都提取到了）：

如下图所示，EXE模式测试，无法提取出来中文字符（英文字符提取正常）：

很奇怪，为什么py2exe打包之后不能正常工作了呢？网上查了一下，也没有找到解决方案。

根据以往经验，估计是有什么依赖的资源文件没有被打包进去。

查看pdfminer源码目录（C:\Python27\Lib\site-packages\pdfminer\），发现有个名为cmap目录，看里面的文件名应该是与字符编码有关，如下图所示。

于是尝试将该cmap目录拷贝到打包后的EXE同目录下，再试，还是无法提取中文。难道是与cmap目录无关？如果跟cmap目录有关，那么我给它改个名字，源码模式应该也会提取不到中文了才对。试了一下，果然如此，看来就是缺少了这个目录。那打包成EXE之后应该把这个目录放到哪里才对呢？（前面我们试了放到EXT同目录下无效）

有点老虎吃天无法下爪了。只能分析下pdfminer源码，看它是怎么加载这个cmap目录的了。最终定位到C:\Python27\Lib\site-packages\pdfminer\cmapdb.py这个文件，在其236行左右有如下代码：

cmap_paths = (os.environ.get('CMAP_PATH', '/usr/share/pdfminer/'),
              os.path.join(os.path.dirname(__file__), 'cmap'),)

可以看到它先是根据CMAP_PATH环境变量，然后根据os.path.join(os.path.dirname(__file__), 'cmap')这个路径来确定cmap目录的。由于未设置CMAP_PATH环境变量。 打包成EXE之后__file__的值为：

E:\owncloud\scrapers\baosteel_quality_assurance_scraper\dist\baosteel_quality_assurance_scraper.exe\pdfminer\cmapdb.py

完整的cmap路径就变成了：

E:\owncloud\scrapers\baosteel_quality_assurance_scraper\dist\baosteel_quality_assurance_scraper.exe\pdfminer\cmap

这个路径是不存在的（应该与quality_assurance_scraper.exe同一目录才对），当然找不到了，看来问题就是出在这儿了。

尝试将__file__修改为sys.argv[0]，重新打包EXE，测试发现问题消失（cmap文件夹仍需放置在EXE同目录下）。

其实我们不需要直接修改cmapdb.py文件，只需要在我们的程序里正确设置CMAP_PATH环境变量即可。例如，添加如下代码之后，问题解决：

import sys
import os
# 本程序的绝对路径
ABS_PATH = lambda p: os.path.join(os.path.dirname(os.path.realpath(sys.argv[0])), p)
# 设置cmap文件的路径为当前路径下的cmap文件夹
os.environ['CMAP_PATH'] = ABS_PATH('cmap')

遇到问题冷静地分析，耐心地尝试，没有什么问题是解决不了的。