「Pythonで自動化」（後編） その２
# 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 iofrom pdfminer.pdfinterp import PDFResourceManagerfrom pdfminer.converter import TextConverterfrom pdfminer.pdfinterp import PDFPageInterpreterfrom pdfminer.pdfpage import PDFPagefrom 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()
出産・子育て
ファッション
美容・コスメ
健康・ダイエット
生活・インテリア
料理・食べ物
ドリンク・お酒
ペット
趣味・ゲーム
映画・ＴＶ
音楽
読書・コミック
旅行・海外情報
園芸
スポーツ
アウトドア・釣り
車・バイク
パソコン・家電
そのほか
すべてのジャンル
