質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
PDF

PDF(Portable Document Format)とはISOによって国際標準として制定されている電子ドキュメント用の拡張子です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

解決済

特定のフォルダ以下のすべてのPDFファイル(テーブル部のみ)をCSVで出力したい。

H.K2
H.K2

総合スコア10

PDF

PDF(Portable Document Format)とはISOによって国際標準として制定されている電子ドキュメント用の拡張子です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

2回答

0評価

0クリップ

3718閲覧

投稿2018/02/20 16:41

編集2022/01/12 10:58

『やりたいこと』
特定のフォルダ以下のフォルダのPDFファイルすべてについて、
テーブル部分のみ抽出してPDF化したいと考えております。

『やってみたこと』
ネットで調べたら,tabula-pyという、PDFのテーブル部分を
データフレームに変換するライブラリがありましたので
下記ソースコードを試しに書いて、再帰的にCSVファイルを
出力しようとしましたが、下記エラーが出てしまいます。
一応csvファイルはできるときもあるのですが、フォルダ構成によって途中で
止まってしまうなどしてしまいます。
試行錯誤してみましたが、一向に解決できないので、どなたかもしよろしければ
ご教示いただけないでしょうか。

『環境』
Anaconda 5.0
tabula-py 1.0.0

------------------------ソースコード---------------------------
from tabula import read_pdf
import codecs
import os

def find_all_files(directory):
for root, dirs, files in os.walk(directory):
yield root
for file in files:
yield os.path.join(root, file)

tmp_path = os.getcwd().replace('/', os.sep)

for file in find_all_files(tmp_path):
print(file)

for file in find_all_files(tmp_path):
if(file.find('.pdf')>-1):

print(file)

df = read_pdf(file, guess=False, encoding='cp932', pandas_options={'header':None}) df.to_csv(file+".csv")

エラー:
CalledProcessError: Command '['java', '-jar', 'C:\ProgramData\Anaconda3\lib\site-packages\tabula\tabula-1.0.1-jar-with-dependencies.jar', '--pages', '1', 'C:\py_Sample\pdf2csv\hoge\bbb\ほげ2.pdf.csv']' returned non-zero exit status 1.

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

PDF

PDF(Portable Document Format)とはISOによって国際標準として制定されている電子ドキュメント用の拡張子です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。