Summary: Fixed #2

Changesets:
- When there is no stream; there is still text; be more lenient

Author: leowmjw

data/Lisan/JWP_DR_151018/split.yml

@@ -0,0 +1,129 @@
+parliamentsession: par1sesi1
+hansardtype: 0
+hansardquestions:
+- questionnum: "1"
+  pagenumstart: 2
+  pagenumend: 7
+- questionnum: "2"
+  pagenumstart: 8
+  pagenumend: 10
+- questionnum: "3"
+  pagenumstart: 12
+  pagenumend: 20
+- questionnum: "6"
+  pagenumstart: 21
+  pagenumend: 26
+- questionnum: "8"
+  pagenumstart: 27
+  pagenumend: 28
+- questionnum: "9"
+  pagenumstart: 29
+  pagenumend: 33
+- questionnum: "11"
+  pagenumstart: 34
+  pagenumend: 35
+- questionnum: "12"
+  pagenumstart: 36
+  pagenumend: 37
+- questionnum: "13"
+  pagenumstart: 38
+  pagenumend: 39
+- questionnum: "14"
+  pagenumstart: 40
+  pagenumend: 45
+- questionnum: "16"
+  pagenumstart: 46
+  pagenumend: 48
+- questionnum: "17"
+  pagenumstart: 49
+  pagenumend: 51
+- questionnum: "18"
+  pagenumstart: 52
+  pagenumend: 53
+- questionnum: "19"
+  pagenumstart: 54
+  pagenumend: 56
+- questionnum: "20"
+  pagenumstart: 57
+  pagenumend: 62
+- questionnum: "22"
+  pagenumstart: 63
+  pagenumend: 65
+- questionnum: "23"
+  pagenumstart: 66
+  pagenumend: 67
+- questionnum: "24"
+  pagenumstart: 68
+  pagenumend: 70
+- questionnum: "25"
+  pagenumstart: 71
+  pagenumend: 73
+- questionnum: "26"
+  pagenumstart: 74
+  pagenumend: 75
+- questionnum: "27"
+  pagenumstart: 76
+  pagenumend: 83
+- questionnum: "30"
+  pagenumstart: 84
+  pagenumend: 86
+- questionnum: "31"
+  pagenumstart: 87
+  pagenumend: 88
+- questionnum: "32"
+  pagenumstart: 89
+  pagenumend: 95
+- questionnum: "35"
+  pagenumstart: 96
+  pagenumend: 99
+- questionnum: "37"
+  pagenumstart: 100
+  pagenumend: 101
+- questionnum: "38"
+  pagenumstart: 102
+  pagenumend: 104
+- questionnum: "39"
+  pagenumstart: 105
+  pagenumend: 106
+- questionnum: "40"
+  pagenumstart: 107
+  pagenumend: 109
+- questionnum: "41"
+  pagenumstart: 110
+  pagenumend: 111
+- questionnum: "42"
+  pagenumstart: 112
+  pagenumend: 113
+- questionnum: "43"
+  pagenumstart: 114
+  pagenumend: 117
+- questionnum: "44"
+  pagenumstart: 118
+  pagenumend: 119
+- questionnum: "45"
+  pagenumstart: 120
+  pagenumend: 125
+- questionnum: "47"
+  pagenumstart: 126
+  pagenumend: 128
+- questionnum: "48"
+  pagenumstart: 129
+  pagenumend: 130
+- questionnum: "49"
+  pagenumstart: 131
+  pagenumend: 133
+- questionnum: "50"
+  pagenumstart: 134
+  pagenumend: 136
+- questionnum: "51"
+  pagenumstart: 137
+  pagenumend: 137
+- questionnum: "52"
+  pagenumstart: 138
+  pagenumend: 139
+- questionnum: "53"
+  pagenumstart: 140
+  pagenumend: 141
+- questionnum: "54"
+  pagenumstart: 142
+  pagenumend: 144

internal/hansard/pdf.go

@@ -76,6 +76,10 @@ func (pdfDoc *PDFDocument) extractPDF() error {
 		// copy over plain text; short form
 		pt, pterr := p.GetPlainText(nil)
 		if pterr != nil {
+			if pterr.Error() == "malformed PDF: reading at offset 0: stream not present" {
+				fmt.Println("**WILL IGNORE!!!! *****")
+				continue
+			}
 			return xerrors.Errorf(" GetPlainText ERROR: %w", pt)
 		}
 		pdfPage.PDFPlainText = pt