Python-PDFを処理する

Pythonは、PDFファイルを読み取り、そこからテキストを抽出した後、コンテンツを印刷できます。そのためには、最初に必要なモジュールをインストールする必要があります。PyPDF2。以下は、モジュールをインストールするためのコマンドです。Python環境にpipがすでにインストールされている必要があります。

pip install pypdf2

このモジュールが正常にインストールされると、モジュールで使用可能な方法を使用してPDFファイルを読み取ることができます。

import PyPDF2
pdfName = 'path\Tutorialspoint.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)
page = read_pdf.getPage(0)
page_content = page.extractText()
print page_content

上記のプログラムを実行すると、次の出力が得られます-

Tutorials Point originated from the idea that there exists a class of readers who respond better 
to online content and prefer to learn new skills at their own pace from the comforts of their 
drawing rooms.
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response 
it generated, we worked our way to adding fresh tutorials to our repository which now 
proudly flaunts a wealth of tutorials and allied articles on topics ranging from programming
languages to web designing to academics and much more.

複数のページを読む

複数のページを含むPDFを読み取り、各ページをページ番号で印刷するには、getPageNumber()関数でループを使用します。以下の例では、2ページのPDFファイルを示しています。内容は、2つの別々のページ見出しの下に印刷されます。

import PyPDF2
pdfName = 'Path\Tutorialspoint2.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)
for i in xrange(read_pdf.getNumPages()):
    page = read_pdf.getPage(i)
    print 'Page No - ' + str(1+read_pdf.getPageNumber(page))
    page_content = page.extractText()
    print page_content

上記のプログラムを実行すると、次の出力が得られます-

Page No - 1
Tutorials Point originated from the idea that there exists a class of readers who respond better to 
online content and prefer to learn new skills at their own pace from the comforts of their drawing 
rooms. 
Page No - 2
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response it 
generated, we worked our way to adding fresh tutorials to our repository which now proudly flaunts 
a wealth of tutorials and allied articles on topics ranging from p
rogramming languages to web 
designing to academics and much more.