【Python】PDFのテキストを取得する方法

概要

PDFから一括でテキストを取得したいことがあると思います。Pythonのライブラリを使用することで簡単に取得できます。「pdfminer.six」を利用します。

sample.pdf

Pythonソースコード

import pdfminer
from pdfminer.high_level import extract_text

text = extract_text('./sample.pdf')
print(text)

---

解説

import pdfminer

　インストールが必要です。(pip install pdfminer.six)

from pdfminer.high_level import extract_text

　pdfminer.high_levelをインポートします。

text = extract_text('./sample.pdf')

　PDFのパスを指定して読み込みます。

print(text)

　PDFから取得したテキストを表示します。

サンプルPDF

Pythonのpdfminer.sixを利用して、PDFからテキストを抽出します。

　出力結果になります。

---

所感

　PDFのテキストを取得するだけでなく、PDFの画像取得や操作を行うことができます。