常連

### 実現したいこと

ここに実現したいことを箇条書きで書いてください。
- [ ] 複数ページあるサイトの1ページ目を表示
- [ ] 最後のページを表示し、ページ数を取得
- [ ] 全ページの範囲でループ
- [ ] ループ内で印刷＞次のページへ
- [ ] 取得したPDFを１枚のPDFへ結合し、指定のフォルダへ保存
- [ ] 取得したPDFを削除

### 前提

Python Seleniumを使用して、上記工程を自動化しております。

ループ内でPDFを取得する過程において、指定フォルダに101枚のPDFが保存されると、
ページ遷移と印刷ダイアログは表示されるのですが、以降のPDFが保存されなくなります。

page
page(1)
page(2)
...
page(100)

というPDFまでが保存され、最後の結合でもページ数101枚のPDFが作成されます。
エラーは表示されず、処理終了となります。どこか不明な場所へ保存されているのではないかと思われます。

初心者でして、作法などあまり分かっておらず、お手柔らかにお願いできますと幸いです。

### 該当のソースコード

```Python
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.chrome.options import Options
import time
import chromedriver_binary
import pickle
import json
import os
import random
import pypdf
import glob
import shutil


error_flg = False
options = Options()
options.add_argument('--kiosk-printing')

download = '/Users/me/Documents/pdfs' #保存先

target_url ='https://~~~?page=1' #アクセスするURL

#プリンタを自動で閉じる
appState = {
    "recentDestinations": [
        {
            "id": "Save as PDF",
            "origin": "local",
            "account": ""
        }
    ],
    "selectedDestinationId": "Save as PDF",
    "version": 2,
    "pageSize": 'A4'
}

options.add_experimental_option("prefs", {
    "printing.print_preview_sticky_settings.appState":
    json.dumps(appState),
    "savefile.default_directory" : download })

driver = webdriver.Chrome(options=options)

# 取得済みクッキーの読み込み・書き込み
if error_flg is False:
    try:
        driver.get(target_url)
        driver.delete_all_cookies()
        cookies = pickle.load(open("cookies.pkl", "rb"))
        for cookie in cookies:
            driver.add_cookie(cookie)
        # URLにアクセス
        driver.get(target_url)

        time.sleep(1)

    except Exception:
        print('取得済みクッキーの読み込み・書き込み時にエラーが発生しました。')
        error_flg = True

if error_flg is False:
    try:       
        　#タイトルの取得
        pdf_title = driver.find_element(by=By.CLASS_NAME,value='Info__title').text
           #最後のページへ移動
        move_tail = driver.find_element(by=By.ID,value="move-tail")
        move_tail.click()

           #最後のページの数値を取得
        cur_url = driver.current_url
        target = 'page='

        tail_idx = cur_url.find(target)
        tail_number = int(cur_url[tail_idx+len(target):])
           
        num = tail_number - 1　#処理する回数

        move_head = driver.find_element(by=By.ID,value="move-top")
        move_head.click()
    
        for _ in range(num):
            button = driver.find_element(by=By.ID,value='print')
            button.click()　#印刷

            time.sleep(1)

            next = driver.find_element(by=By.ID,value="move-next")
            next.click() #次のページへ

            time.sleep(1)

        driver.close()

    except Exception:
            print('PDF化中にエラーが発生しました。')
            error_flg = True

if error_flg is False:
    try:      
　　  #PDFを結合
        dir_path = "/Users/fukushimashun/Documents/pdfs/"

        def merge_pdf_in_dir(dir_path, dst_path):

            l = glob.glob(os.path.join(dir_path, '*.pdf'))
            l.sort()

            merger = pypdf.PdfMerger()
            for p in l:
                merger.append(p)

            merger.write(dst_path)
            merger.close()

        merge_pdf_in_dir('/Users/me/Documents/pdfs', f'/Users/me/Documents/outputs/{pdf_title}.pdf')

        #ファイル削除
        target_dir = '/Users/me/Documents/pdfs'

        shutil.rmtree(target_dir)
        os.mkdir(target_dir)

    except Exception:
            print('PDF結合処理中にエラーが発生しました。')
            error_flg = True
```

### 試したこと

chromeの更新とdriver再ダウンロード

### 補足情報（FW/ツールのバージョンなど）

chromeは118.0.5993.117
chrome driverは118.0.5993.70になっています。


Python Seleniumにてページ遷移とPDF保存のループについて

### 実現したいこと
入力されたPDFをpypdfで加工して、目次を作成したいと考えています。

【前提】
・既にしおりが設定されたPDFを入力とする
・入力PDFの1ページ目は表紙、2ページ目以降に本文という構成

【目標】
・表紙の後ろ(2ページ目)に白紙ページを挿入
・白紙ページに、しおりのタイトルとリンク先のページ番号がセットになった目次を記述する
・目次に記述するページ番号は、元々の番号に対して挿入する目次分だけ加算する必要がある
・目次は、1列50項目を2列配置し、1ページに最大100個のしおりを記述する
・目次の各項目は、しおりと同じようにクリックすることで該当するページへ移動するリンクを設定する

以上の内容で、目次が1ページのみの場合には目標の通りに実装できました。
しかし、しおりが100個を超過した場合の処理に悩んでいます。

### 発生している問題・分からないこと
【現状】
・しおりが300個を超過しているため、目次を4ページ作成している
・リンクの移動先及び目次に記載するページ番号は、その分4加算している
・目次の2ページ目以降に記述するタイトル及びページ番号は正しい
・目次の2ページ目以降にリンクは設定できているのだが、移動先が1ページ目と同じページになっている

例.
page1
~~ABC…2	GHI…7
DEF…5	JKL…8~~
ABC…6	GHI…9
DEF…7	JKL…12
以下略	

page2
MNO…20	STU…25
PQR…22	VWX…30
以下略

これで「ABC」をクリックすると6ページ目に遷移しており、これは正しい挙動です。
しかし、「MNO」をクリックした場合も、6ページ目に遷移してしまいます。
「STU」の場合も、同様に9ページ目に遷移します。

2025/3/19補足：白紙挿入の処理については、Pythonではなく事前に行うことも可能。

### 該当のソースコード

```Python
from pypdf import PdfReader, PdfWriter
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import A4
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from io import BytesIO
from pypdf.generic import NameObject, ArrayObject, NumberObject

# 既存のPDFを読み込む
input_pdf_path = "Input.pdf"
reader = PdfReader(input_pdf_path)

# しおりを取得
original_bookmarks = reader.outline
bookmarks = []

def extract_bookmarks(outlines, bookmarks):
    """ 再帰的にしおりを取得 """
    for item in outlines:
        # ネストされたしおり
        if isinstance(item, list):  
            extract_bookmarks(item, bookmarks)
        else:
            bookmarks.append((item.title, reader.get_destination_page_number(item)))

extract_bookmarks(reader.outline, bookmarks)

# 目次ページを作成（2列×50行で 1ページに100個*4ページ）
entries_per_page = 100  
# 必要なページ数を算出
num_pages = (len(bookmarks) + entries_per_page - 1) // entries_per_page  

toc_packets = []
for page_idx in range(num_pages):
    packet = BytesIO()
    c = canvas.Canvas(packet, pagesize=A4)
    width, height = A4

    # フォント、フォントサイズの設定
    pdfmetrics.registerFont(TTFont("YuGoth", "YuGothM.ttc"))
    c.setFont("YuGoth", 10)

    c.drawString(50, height - 50, f"目次（{page_idx + 1}/{num_pages}）")

    # 目次を2列で記述するためのx座標
    left_x = 50
    right_x = 300
    # y座標の開始位置
    y_position = height - 80  
    # 1列50個
    column_split = 50  

    start_index = page_idx * entries_per_page
    end_index = min(start_index + entries_per_page, len(bookmarks))

    for i in range(column_split):
        left_idx = start_index + i
        right_idx = start_index + i + column_split

        if left_idx < end_index:
            title, page = bookmarks[left_idx]
            c.drawString(left_x, y_position, f"{title} … {page + 5}")

        if right_idx < end_index:
            title, page = bookmarks[right_idx]
            c.drawString(right_x, y_position, f"{title} … {page + 5}")

        # 行間を狭くする
        y_position -= 15  

    c.save()
    packet.seek(0)
    toc_packets.append(packet)

# 目次ページをPDFに変換して追加
writer = PdfWriter()

# 元のPDFの1ページ目（表紙）を追加
writer.add_page(reader.pages[0])

# 目次ページを2ページ目から追加
toc_readers = [PdfReader(packet) for packet in toc_packets]
for toc_reader in toc_readers:
    writer.add_page(toc_reader.pages[0])

# 既存のページを追加
for i in range(1, len(reader.pages)):
    writer.add_page(reader.pages[i])

# すべての目次ページにリンクを設定
y_position = height - 80
# 目次の2ページ目以降のリンク先ページを調整するための変数
lastBookmarkPage = 0

for page_idx, packet in enumerate(toc_packets):
    start_index = page_idx * entries_per_page
    end_index = min(start_index + entries_per_page, len(bookmarks))

    for i in range(column_split):
        left_idx = start_index + i
        right_idx = start_index + i + column_split

        if left_idx < end_index:
            title, page = bookmarks[left_idx]   
            rect = ArrayObject([NumberObject(50), NumberObject(y_position - 5), NumberObject(250), NumberObject(y_position + 10)])
            print(title + ':if文内left lastBookmarkPage=' + str(lastBookmarkPage))
            annotation = {
                NameObject("/Subtype"): NameObject("/Link"),
                NameObject("/Rect"): rect,
                NameObject("/Border"): ArrayObject([NumberObject(0), NumberObject(0), NumberObject(0)]),
                NameObject("/A"): {
                    NameObject("/S"): NameObject("/GoTo"),
                    NameObject("/D"): ArrayObject([NumberObject(page + 4 + lastBookmarkPage), NameObject("/Fit")])
                }
            }
        # 目次の1〜4ページ目にしおりを設定    
        for toc_page in range(1, 5):
            writer.add_annotation(toc_page, annotation)

        if right_idx < end_index:
            title, page = bookmarks[right_idx]
            # 目次2ページ目以降且つループが最後(同一ページ内の最後のしおり)の場合、当該しおりのページ番号を変数に保存
            if page_idx > 0 and i == column_split - 1:
                lastBookmarkPage = page
                
            rect = ArrayObject([NumberObject(300), NumberObject(y_position - 5), NumberObject(500), NumberObject(y_position + 10)])
            print(title + ':if文内right lastBookmarkPage=' + str(lastBookmarkPage))
            annotation = {
                NameObject("/Subtype"): NameObject("/Link"),
                NameObject("/Rect"): rect,
                NameObject("/Border"): ArrayObject([NumberObject(0), NumberObject(0), NumberObject(0)]),
                NameObject("/A"): {
                    NameObject("/S"): NameObject("/GoTo"),
                    NameObject("/D"): ArrayObject([NumberObject(page + 4 + lastBookmarkPage), NameObject("/Fit")])
                }
            }
        # 目次の1〜4ページ目にしおりを設定    
        for toc_page in range(1, 5):  
            writer.add_annotation(toc_page, annotation)
        # 行間を狭くする
        y_position -= 15  

# 元のしおりをコピーし、目次の分をshift_amountで調整
def add_bookmarks(outlines, writer, parent=None, shift_amount=4):
    """ しおりのページ番号を +5 して再作成 """
    for item in outlines:
        if isinstance(item, list):  # ネストされたしおり
            new_parent = writer.add_outline_item("フォルダ", page_number=None, parent=parent)
            add_bookmarks(item, writer, new_parent, shift_amount)
        else:
            page_num = reader.get_destination_page_number(item)
            if page_num is not None:
                writer.add_outline_item(item.title, page_number=page_num + shift_amount, parent=parent)

add_bookmarks(original_bookmarks, writer, shift_amount=4)

# 新しいPDFを保存
output_pdf_path = "output.pdf"
with open(output_pdf_path, "wb") as f:
    writer.write(f)

print(f"目次ページ付きのPDFを出力しました（しおりも保持）: {output_pdf_path}")
```

### 試したこと・調べたこと
- [ ] teratailやGoogle等で検索した
- [x] ソースコードを自分なりに変更した
- [ ] 知人に聞いた
- [ ] その他

##### 上記の詳細・結果
 if page_idx > 0 and i == column_split - 1:
	lastBookmarkPage = page

~~123行目のこの処理により、lastBookmarkPageに変数pageを代入しています。
変数page_idxは目次のページ数、変数iはページ内のしおりのカウンタ変数です。
つまり、目次の2ページ以上且つ当該ページ内の最後のしおりに到達した際に、lastBookmarkPageをそのしおりのpageで更新しています。
※ページ内の最後のしおりは常に右側の列にあるため、左側の列ではこの処理を行っていません。~~

~~実際に、106行目と127行目のprint文では、lastBookmarkPageが目的の値になっていることが確認できました。
しかし、113行目及び134行目にてlastBookmarkPageを加算しても、目次の2ページ目以降のリンクが1ページのリンクから変わりません。~~

~~113行目及び134行目にlastBookmarkPageではなく、例えば10のような固定値を加算した場合は、リンク先のページが変わることは確認できています。
lastBookmarkPageにて取得している値を、目次の2ページ目以降に適用するには、どうすればいいでしょうか？~~

長いコード且つ複雑な内容で申し訳ございません。
情報に不足がございましたら、ご指摘いただけますと幸いです。

### 補足
2025/3/19追記
大変申し訳ございません。「123行目のこの処理により…」からの内容は考え方が誤っているように思いましたので、一旦取り消し線を付与しました。
例えば目次2ページ目であれば100個目(1ページ目最後)のしおりに設定された変数pageを保存し、それを加算する前提で記載しましたが、無駄に複雑化している気がします。
ようするに、目次2ページ目であれば101個目から200個目のしおりに設定されたpageが取得できれば、それをそのまま目次のリンクに設定すれば解決する気がします。

つまり、107及び128行目で設定しているannotationにて対象とするしおりを、目次のページ数に応じた数にできればいいのではないかと推測しています。
例えば、100行目101行目のleft_idxとright_idxにpage_idx * 100(目次のページ数に100をかけた値)を加算したのですが、値は更新されませんでした(目次の1ページ目と同じリンク先になる)。

※そもそも、96行目の「start_index = page_idx * entries_per_page」で目次のページ数に100をかけているので、ページが移っても正しいしおりを取得できる気がするのですが…

お手数をおかけしますが、この補足情報を考慮した上で、目次の2から4ページ目に正しいリンクを設定する方法が分かりましたら、ご教授いただけますと幸いです。

pypdfによる目次の作成について

### 前提

pythonでpdfを読み取り、OCRで最終的にはCSVで落としたいと思っております。
※経理の請求書自動照合。どうしてもPDFでしか入手出来ない為
対象画像がtextデータというよりかは
表になっているデータなので
pingに変換⇒画像を読み取り⇒データを抽出としようとしてます。

### 実現したいこと

pingに変換後、座標からデータをdic型で習得しようとしたのですが
エラーが発生しており、解決できない為アドバイスいただけると幸いです。

### 発生している問題・エラーメッセージ

```
AttributeError                            Traceback (most recent call last)
File ~\anaconda3\lib\site-packages\PIL\ImageFile.py:495, in _save(im, fp, tile, bufsize)
    494 try:
--> 495     fh = fp.fileno()
    496     fp.flush()

AttributeError: '_idat' object has no attribute 'fileno'

During handling of the above exception, another exception occurred:

SystemError                               Traceback (most recent call last)
File ~\anaconda3\lib\site-packages\PIL\Image.py:652, in Image._repr_png_(self)
    651 try:
--> 652     self.save(b, "PNG")
    653 except Exception as e:

File ~\anaconda3\lib\site-packages\PIL\Image.py:2212, in Image.save(self, fp, format, **params)
   2211 try:
-> 2212     save_handler(self, fp, filename)
   2213 finally:
   2214     # do what we can to clean up

File ~\anaconda3\lib\site-packages\PIL\PngImagePlugin.py:1348, in _save(im, fp, filename, chunk, save_all)
   1347 else:
-> 1348     ImageFile._save(im, _idat(fp, chunk), [("zip", (0, 0) + im.size, 0, rawmode)])
   1350 if info:

File ~\anaconda3\lib\site-packages\PIL\ImageFile.py:503, in _save(im, fp, tile, bufsize)
    502     fp.seek(o)
--> 503 e.setimage(im.im, b)
    504 if e.pushes_fd:

SystemError: tile cannot extend outside image

The above exception was the direct cause of the following exception:

ValueError                                Traceback (most recent call last)
File ~\anaconda3\lib\site-packages\IPython\core\formatters.py:343, in BaseFormatter.__call__(self, obj)
    341     method = get_real_method(obj, self.print_method)
    342     if method is not None:
--> 343         return method()
    344     return None
    345 else:

File ~\anaconda3\lib\site-packages\PIL\Image.py:654, in Image._repr_png_(self)
    652     self.save(b, "PNG")
    653 except Exception as e:
--> 654     raise ValueError("Could not save to PNG for display") from e
    655 return b.getvalue()

ValueError: Could not save to PNG for display

<PIL.Image.Image image mode=RGB size=145x0 at 0x2B189342880>
```

### 該当のソースコード

```Python(anaconda環境)
from PIL import Image
from glob import glob
import pyocr
import os
import pdf2image
from PIL import Image
import sys
import pyocr.builders
import pdfminer
import fitz
import glob
from pathlib import Path
from pdf2image import convert_from_path

pyocr.tesseract.TESSERACT_CMD = r'C:\\Program Files\\Tesseract-OCR\\tesseract.exe'

#OCRTEST下にあるpdfファイルを全て取得。一つめのファイルを対処する
filepaths =[]
wd = os.getcwd()
data_dir = os.path.join(wd, "OCRTEST")
filepaths = glob.glob("{}/**.pdf".format(data_dir), recursive=True)
filepath = filepaths[0] 

# poppler/binを環境変数PATHに追加する
poppler_dir = Path('__file__').parent.absolute() / "poppler/bin"
os.environ["PATH"] += os.pathsep + str(poppler_dir)
pdf_path = Path(filepath)
pages = convert_from_path(str(pdf_path), 150)

# 画像ファイルを１ページずつ保存
image_dir = Path("./image_file")
for i, page in enumerate(pages):
    file_name = pdf_path.stem + "_{:02d}".format(i + 1) + ".ping"
    image_path = image_dir / file_name
    # pingで保存
    page.save(str(image_path), "PNG")

#出力したPNG画像を取得
filepaths_j =[]
wd = os.getcwd()
data_dir = os.path.join(wd, "image_file")
filepaths_j = glob.glob("{}/**.ping".format(data_dir), recursive=True)
filepath_j = filepaths_j[0]
img = Image.open(filepath_j)

#OCR準備
tools = pyocr.get_available_tools()
tool = tools[0]
tool.get_name()

#座標を指定（ここは外部サイトを利用して座標を指定）
img_ranges = {
    # 注番
    'order_no': (53,843,198,18),
    # 数量
    'quantity': (519,841,101,19),
    # 金額
    'total_amount': (519,841,101,19),
}
crop_imgs = {
    'order_no': img.crop(img_ranges['order_no']),
    'quantity': img.crop(img_ranges['quantity']),
    'total_amount': img.crop(img_ranges['total_amount']),
}

#確認した所エラーが出る
crop_imgs['order_no']　

```

### 試したこと

ある程度調べてはみたのですが
対処法がわからず、試すというほどのものがありません・・。

### 補足情報（FW/ツールのバージョンなど）

anacondaのjupyter Notebookを使用しております。


pythonでのpdfに対するocrについて

### 前提

pythonのPyPDF2で１０ページほどのPDFファイルを分割して取得しようとする場合に
ファイルを上書きしようとする場合
「'PdfFileWriter' object has no attribute 'stream'」というエラーメッセージが表示されます。

### 実現したいこと
・エラーを解消しPDFを１ページごとに保存したい


### 発生している問題・エラーメッセージ

```
'PdfFileWriter' object has no attribute 'stream'
```

### 該当のソースコード

```ここに言語名を入力
import PyPDF2

reader = PyPDF2.PdfFileReader(hogehoge.pdf')
num_pages = reader.getNumPages()  # ページ数の取得
digits = len(str(num_pages))  # ページ数の桁数の取得
fpad = '{0:0' + str(digits) + 'd}'  # format用文字列作成

for i in range(num_pages):
    page = reader.getPage(i)  # ページを取得
    writer = PyPDF2.PdfFileWriter()  # 空のwriterオブジェクト作成
    writer.addPage(page)  # writerオブジェクトにページを追加
    fname = fpad.format(i) + '.pdf'
    with open(fname, 'wb') as f:
    writer.write(f)  # 出力
```
ご教授いただければ幸いです。
よろしくお願いいたします。
