質問編集履歴
1
違うソースで読み込んだ結果を記した
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -87,5 +87,49 @@
|
|
|
87
87
|
df.to_csv(f)
|
|
88
88
|
```
|
|
89
89
|
|
|
90
|
+
### 試したこと
|
|
91
|
+
|
|
92
|
+
違うソースで読み込みんでみたら、以下のような内容が出力された
|
|
93
|
+
```
|
|
94
|
+
'\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c'
|
|
95
|
+
```
|
|
96
|
+
|
|
97
|
+
試したソース
|
|
98
|
+
```ここに言語を入力
|
|
99
|
+
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
|
|
100
|
+
from pdfminer.converter import TextConverter
|
|
101
|
+
from pdfminer.layout import LAParams
|
|
102
|
+
from pdfminer.pdfpage import PDFPage
|
|
103
|
+
from io import StringIO
|
|
104
|
+
from glob import glob
|
|
105
|
+
|
|
106
|
+
def convert_pdf_to_txt(path): # 引数にはPDFファイルパスを指定
|
|
107
|
+
rsrcmgr = PDFResourceManager()
|
|
108
|
+
retstr = StringIO()
|
|
109
|
+
codec = 'utf-8'
|
|
110
|
+
laparams = LAParams()
|
|
111
|
+
laparams.detect_vertical = True # Trueにすることで綺麗にテキストを抽出できる
|
|
112
|
+
device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
|
|
113
|
+
fp = open(path, 'rb')
|
|
114
|
+
interpreter = PDFPageInterpreter(rsrcmgr, device)
|
|
115
|
+
maxpages = 0
|
|
116
|
+
caching = True
|
|
117
|
+
pagenos=set()
|
|
118
|
+
fstr = ''
|
|
119
|
+
for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages,caching=caching, check_extractable=True):
|
|
120
|
+
interpreter.process_page(page)
|
|
121
|
+
|
|
122
|
+
str = retstr.getvalue()
|
|
123
|
+
fstr += str
|
|
124
|
+
|
|
125
|
+
fp.close()
|
|
126
|
+
device.close()
|
|
127
|
+
retstr.close()
|
|
128
|
+
return fstr
|
|
129
|
+
|
|
130
|
+
inpname = 'kanban_apc_print.pdf'
|
|
131
|
+
#inpname = 'pdf_test1.pdf'
|
|
132
|
+
convert_pdf_to_txt(inpname)
|
|
133
|
+
```
|
|
90
134
|
### 補足情報（FW/ツールのバージョンなど）
|
|
91
135
|
|