【Python】PDFから文字列を抜き出す方法

今回はPythonでPDFからテキストを抽出する方法について紹介します。

PythonでPDFからテキストを抽出するには、PDFMiner.sixが使えます。

インストール

$ pip install pdfminer.six

上記のコマンドでインストールできなかった場合

$wget https://pypi.python.org/packages/source/p/pdfminer.six/pdfminer.six-20160202.zip $unzip pdfminer.six-20160202.zip  $cd pdfminer.six-20160202 $python setup.py install

インストールが完了すると、pdf2txt.pyが使えるようになります。

今回はこちらのサンプルPDFから文字列を取り出してみたいと思います。

実行結果

無事、文字列を取り出す事ができました！