Q&A
VBAからPythonは呼び出せているが、PythonがPDFを読み込めないという質問でしょうか？
PDF読み込みに何のパッケージを使用しているかにもよるので、現状のPythonソースを提示すると、回答が得られる可能性が高まります。
全体の仕組み（流れ）
Excel を開く
Excel ファイルには「コマンドボタン」が作られています。
このボタンには VBA のマクロ（プログラム）が登録されています。
ボタンをクリックする
ボタンを押すと、VBA が動き出します。
まず「どの PDF を OCR するか」を選ぶ画面が出ます。
そこで PDF を選ぶと、そのファイルの場所が VBA に渡されます。
VBA が Python を呼び出す
VBA の中で「Python を実行」という命令を作ります。
このとき、
使う Python スクリプト（例: pdf_to_excel.py）
選んだ PDF のファイルパス
書き込む Excel の列番号
をまとめて Python に渡します。
→ つまり VBA は「橋渡し役」になっていて、Excel から外部の Python スクリプトを起動しているわけです。
Python が OCR を実行する
Python は PDF をページごとに画像に変換します。
その画像を OCR にかけて文字を認識します。
取り出した文字をまとめてテキスト化します。
結果を保存する
Python は OCR の結果を
テキストファイル（.txt）
Excel ファイル（.xlsx）
に保存
のような順序でプログラムを作ろうとしてますが図面を読み取ってデータをつくってくれるようなプログラムを作りたいのですがPDFのオブジェクトをうまく読み取ってくれません、オブジェクトの読み取れる方法などありましたら教えてください
pythonのソースが下記になります
import os
import pytesseract
from pdf2image import convert_from_path
from PIL import Image
from openpyxl import Workbook
import tempfile
# ===== 設定 =====
pdf_path = r"ファイル場所" # OCR対象PDF
excel_output = r"ファイル場所\output.xlsx" # OCR結果Excel
txt_output = r"ファイル場所\ocr_result.txt" # OCRテキスト保存
poppler_path = r"ファイル場所" # Poppler の bin パス
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
# ===== OCR処理 =====
all_text = ""
with tempfile.TemporaryDirectory() as temp_img_dir:
from pdf2image import pdfinfo_from_path
pdf_info = pdfinfo_from_path(pdf_path, poppler_path=poppler_path)
total_pages = pdf_info["Pages"]
for p in range(1, total_pages + 1):
# 各ページをPNGに変換（ファイルパスだけ受け取る）
images = convert_from_path(
pdf_path,
first_page=p,
last_page=p,
poppler_path=poppler_path,
output_folder=temp_img_dir,
fmt="png",
paths_only=True # メモリエラー防止
)
img_path = images[0] # 1ページ1画像
with Image.open(img_path) as img:
text = pytesseract.image_to_string(img, lang="eng")
all_text += f"\n--- Page {p} ---\n{text}\n"
# ===== テキストファイルに保存 =====
with open(txt_output, "w", encoding="utf-8") as f:
f.write(all_text)
print(f"OCR結果をテキストに保存しました: {txt_output}")
# ===== Excelに保存 =====
wb = Workbook()
ws = wb.active
ws.title = "OCR結果"
row = 1
for line in all_text.splitlines():
ws.cell(row=row, column=1, value=line)
row += 1
wb.save(excel_output)
print(f"OCR結果をExcelに保存しました: {excel_output}")
使っているソフトはTesseract OCRとPopplerを使っています
> 図面を読み取ってデータをつくってくれるようなプログラムを作りたいのですがPDFのオブジェクトをうまく読み取ってくれません、オブジェクトの読み取れる方法などありましたら教えてください
前のコメントと内容は同じですが、どこで躓いているのかわかりません。
・この「プログラム」とはpythonプログラムのことですか？
・「PDFのオブジェクト」は処理の流れに出てきませんが、何を指していますか?
PDFをOCR処理して中のテキストを抽出するpythonプログラムが上手く動かないということであれば、先のコメントのようにコードを提示いただければ、アドバイスができると思います。 また、pythonプログラムそのものを動かして動作は確認もできるはずです。
----
VBAとpythonとの連携はどのような仕組みを使いますか。特に、最後の方でVBAから呼んだpythonプログラムの結果をExcelファイルに書き込むことになっているので気になっています。
ココは質問に対するコメントを書く場所ですのでコメントに対する応答は、質問を編集して追記/修正したほうがいいでしょう。特にコードは読みにくいので。
回答1件
0
以下の環境で確認しました。
- Windows 11
- Python 3.13.7
- tesseract 5.5.0.20241111
- poppler 25.07.0
pip
- openpyxl 3.1.5
- pdf2image 1.17.0
- pillow 11.3.0
- pytesseract 0.3.13
提示されたソースを実行したところ、日本語が認識されていません。
37行目を、engからjpnに変更します。
text = pytesseract.image_to_string(img, lang="jpn")
日本語を認識するためのデータjpn.traineddataを以下からダウンロードして配置します。
https://github.com/tesseract-ocr/tessdata/blob/main/jpn.traineddata
場所
C:\Program Files\Tesseract-OCR\tessdata
以上で、PDFから読み取ったテキストが、テキストファイルおよびExcelファイルに出力されています。
投稿2025/09/27 03:11
総合スコア1642
あなたの回答
tips
プレビュー
