pakkanpdf 0.1.0

pdf 内の text や image へのアクセスをコンテキストマネージャーを使ってシンプルに行える

pakkan-pdf

PDF 内の text や image へのアクセスをコンテキストマネージャーを使ってシンプルに行える。 pdfminer/pdfminer.six の Wrapper ライブラリです。

install

pip install pakkan-pdf

使い方

• PdfExtractor の pdf_path に pdf のパスを与え、work_dir に存在するディレクトリを指定する
  • work_dir に image を書き出すための一時ディレクトリが作成さえる
• extractor.text を使うと、PDF の text を取得できる
• extractor.image_file_paths を使うと、PDF の image (file path) を取得できる

from pakkanpdf import PdfExtractor

def test_sample():
    with PdfExtractor(pdf_path="data/example.pdf", work_dir="demo_work_dir") as extractor:
        assert "これはサンプルのPDFです" in extractor.text
        assert extractor.image_file_paths == ["demo_work_dir/work_images/X8.jpg"]