|
|
|
2021.05.19
テーマ：パソコンを楽しむ♪(3589)
カテゴリ：Python
# リスト１ # PDFファイルからpdfminerでテキストを抽出するテスト # 「日経ソフトウエア」2020.07 # 『特集５ Pythonで自動化』p.066～p.069 # #（１）ライブラリの読み込み import io from pdfminer.pdfinterp import PDFResourceManager from pdfminer.converter import TextConverter from pdfminer.pdfinterp import PDFPageInterpreter from pdfminer.pdfpage import PDFPage from pdfminer.layout import LAParams #（２）必要なオブジェクトの生成 stdout = io.StringIO() rscmgr = PDFResourceManager() lprms = LAParams() device = TextConverter(rscmgr, stdout, laparams=lprms) intprtr = PDFPageInterpreter(rscmgr, device) #（３）目的のPDFファイルを開く処理 # PDFファイルを、第2引数の「rb」で読み取り専用、バイナリーモードで開く。 # 「r」は読み込み用、「b」はバイナリーを意味する。 fp = open('PDFtest1.pdf', 'rb') #（４）実際にテキストを抽出している処理 for page in PDFPage.get_pages(fp): #（５）変数「page」のページの中からテキストを抽出する処理の本体 # 実行すると変数「page」のページ内のテキストがテキストストリーム（変数「stdout」）に出力される。 intprtr.process_page(page) #（６）テキストストリームの内容を取得する処理 # テキストストリームの内容が戻り値として得られるので、変数「text」に格納 text = stdout.getvalue() print(text) #（７）テキストストリーム、TextConverterオブジェクト、PDFファイルを閉じる処理 # 閉じ忘れると次回実行時にエラーが出るので、注意！ stdout.close() device.close() fp.close()
お気に入りの記事を「いいね！」で応援しよう
最終更新日
2021.05.19 21:19:36
コメント(0) | コメントを書く
[Python] カテゴリの最新記事
|
