PDFファイルの変換方法をおしえてください

Question

当方windows11のVSC2022を使用し拡張機能もインストールしています。
tabula.pyで フォルダ内のPDFをBOM付きCSVに変換する
方法がわかりません下記にコードを記載します。どなたかご教示願います。

import os
import os.path
import shutil
import csv
import sys
import glob
from pathlib import Path
import tabulaimport os.path
import shutil
import csv
import sys
import glob
from pathlib import Path
import tabula
#以下ユーザー定義関数 https://www.javadrive.jp/python/userfunc/index1.html#section1
def is_empty(dir_path: str) -> bool:    
    return len(os.listdir(dir_path)) == 0
path_p = 'D:\\150_その他\\改\\変換済' 
path_csvu8 = 'D:\\105_Python\\01_PDFtoCSV\\CSV_file\\01_utf_8_files'
path_csvsj = 'D:\\105_Python\\01_PDFtoCSV\\CSV_file\\02_Shift-JIS_files'                                               # 拡張子
e_p = 'pdf'
e_c = 'csv'

if is_empty(path_csvu8): 
        print('CSV-U8 サブフォルダ無し') 
        os.rmdir(path_csvu8) 
else:
        print('CSV-U8 サブフォルダ有り')
        shutil.rmtree(path_csvu8)
os.makedirs(path_csvu8)
if is_empty(path_p):
    print('PDF サブフォルダ無し')
else:
    print('PDF サブフォルダ有り') 
    for fd_path, sb_folder, sb_file in os.walk(path_p):
        for fol in sb_folder:
            os.makedirs(path_csvu8 + '\\' + fol)
if is_empty(path_csvsj): 
    print('CSV-JIS サブフォルダ無し')
    shutil.rmtree(path_csvsj)
else:
    print('CSV-JIS サブフォルダ有り')
    shutil.rmtree(path_csvsj)
os.makedirs(path_csvsj)

if os.path.isfile(path_p): 
  print('ファイルのみが有る')
  for fil in glob.glob(path_p + '\\*.pdf'):
    print(fil)
    #tabula.convert_into(path_p + '\\' + fil, path_csvu8 + '\\' + fol + '\\' + fil + '.csv', stream=True , output_format='csv', pages='all',java_options="-Dfile.encoding=utf-8")
elif os.path.exists(path_p):  print('ファイルまたはフォルダが有る')
  if glob.glob(path_p + '\\*.pdf'):
    print('ファイルが有る')
    for dir , subdir , files in os.walk(path_p):
      for fil in files:
        fil_names = fil[:-4] 
        file_names = fil         file_names_c = path_csvu8 + '\\' + fil_names +'.csv'                  
        if os.path.exists(file_names):回避する
          tabula.convert_into(path_p + '\\' + fil, path_csvu8 + '\\' +  fil_names + '.csv', stream=True , output_format='csv', pages='all',java_options="-Dfile.encoding=utf-8")

  else:
    for dir , subdir , files in os.walk(path_p):
      for fol in subdir:
        fol_name =  path_p + '\\' + fol
        for dir , subdir , files in os.walk(fol_name):
          for fil in files:
            fil_names = fil[:-4]
            file_names = fol_name + '\\' + fil
            file_names_c = path_csvu8 + '\\' + fol + '\\' + fil_names +'.csv' 
            if os.path.exists(file_names):
              tabula.convert_into(file_names, file_names_c, stream=True , output_format='csv', pages='all',java_options="-Dfile.encoding=utf-8")

Comments

[y_waiwai]

で、そのコードを実行させたらどのような結果になるんでしょうか

[kou_.2022]

変換はできますが日本語が文字化けしてしまいます。メモ帳で（ＵＴＦ－８ＢＯＭ付き）にると日本語になります

[y_waiwai]

それを質問文に書きましょうよ。

Answer 1

こんにちは。PDFをCSVに変換したいなら、ここに無料で使えるJava用のライブラリーである Spire.Office for Javaをおすすめします。このツールを参照に引用したら、まずPDFファイルをExcelに変換した後、そのExcelファイルをCSVに変換すればよいです。次は具体的なコードをご覧下さい。
PDFからExcelへ

import com.spire.pdf.FileFormat;
import com.spire.pdf.PdfDocument;

public class ToXLS {
    public static void main(String[] args) {
        //PdfDocumentオブジェクトを作成する
        PdfDocument pdf = new PdfDocument();
        //サンプルPDFファイルをロードする
        pdf.loadFromFile("C:\\Users\\Test1\\Desktop\\Sample.pdf");
        //Excelとして保存する
        pdf.saveToFile("output/ToXLS.xlsx", FileFormat.XLSX);
    }
}

ExcelからCSVへ

import com.spire.xls.*;
import java.nio.charset.Charset;

public class ExcelToCSV {
    public static void main(String[] args) {

        //ブックを作成する
        Workbook workbook = new Workbook();

        //サンプルのExcelファイルをロードする
        workbook.loadFromFile("C:\\Users\\Test1\\Desktop\\sample.xlsx");

        //最初のシートを入手する
        Worksheet sheet = workbook.getWorksheets().get(0);

        //ドキュメントをCSVに保存する
        sheet.saveToFile("output/ToCSV_out.csv", ",", Charset.forName("UTF-8"));
    }
}

お助けになるとなによりです(笑)